ラマンピンチと機械学習の統合は,子宮内膜症の細胞のラベルなしで単細胞の特徴づけを行うためのものです

科学分野:

• バイオメディカル光学
• 細胞生物学 細胞生物学
• スペクトロスコーピーは,スペクトロスコーピーを用います.

背景:

• 子宮内膜症は,世界中で何百万人もの人に影響しているが,その細胞機構と診断方法については,さらなる解明が必要である.
• 現在,子宮内膜症の診断方法は侵襲的であり,細胞に関する詳細な洞察が欠けています.

研究 の 目的:

• Endometriosis-derived cellsのラベルフリー,単細胞生化学プロファイリングのためのRamanピンチースプラットフォームを開発し,検証する.
• 生物化学的サインを使用して,子宮内膜症の細胞を他の細胞タイプから区別するプラットフォームの能力を評価する.

主な方法:

• 単細胞分析のための光学トラッピングとラーマンスペクトルスコピーを組み合わせたラーマンピンチシステムが開発されました.
• 子宮内膜症 (VK2/E6E7) とがん (A549) の細胞系からのスペクトルデータは,ディープラーニングモデル (RSPSSL) を使用して事前処理されました.
• 機械学習モデル (ランダムフォレスト,XGBoost) とSHAP分析が細胞分類と特徴識別に使用されました.

主要な成果:

• 子宮内膜症の細胞のラマンスペクトルは,脂質,コラーゲン,タンパク質,核酸の特徴的なピークを明らかにしました.
• このシステムは,オーバーフィットせずに,子宮内膜症の細胞とがん細胞を分類する上で80%以上の精度を達成しました.
• SHAP分析では,細胞の分化に不可欠な脂質,アミノ酸,サッカリドのレベルを含む明確な生化学的差異が特定されました.

結論:

• この研究は,先端のディープラーニングと説明可能なAIを統合した単細胞子宮内膜症の分析のためのラマンピンセットの最初のアプリケーションを提示します.
• 開発されたプラットフォームは,子宮内膜症の病理生理学を調査し,診断能力を改善するための有望で潜在的に侵襲性の低い戦略を提供します.