用拉曼光谱和深度学习的组合来识别蛋白质突变的等离子体外体分析

科学领域:

• 生物标志物发现发现
• 分子诊断学 分子诊断
• 纳米技术纳米技术

背景情况:

• 液体活检可以定期检测蛋白质突变,但由于蛋白质突变度低,诊断准确度低.
• 外体细胞是血中丰富的有希望的生物标志物,携带完整的蛋白质,但检测突变外体细胞蛋白中的微妙结构变化仍然具有挑战性.

研究的目的:

• 提高在液体活检中检测蛋白质突变的诊断准确度.
• 开发一种敏感的方法来检测突变的外体蛋白质,使用纳米塑光谱和深度学习.

主要方法:

• 分离了等离子体外体并使用纳米等离子体光谱进行分析,以获得蛋白质结构的分子信息.
• 开发了两种模型的深度学习分类算法,以从复杂的拉曼光谱中提取独特的蛋白质特征.
• 该方法通过将具有特定表皮生长因子受体 (EGFR) 突变的肺癌患者与健康对照进行区分来验证.

主要成果:

• 深度学习模型在分类野生类型和突变蛋白质方面取得了很高的准确性.
• 患有EGFR突变 (L858R,E19del,L858R+T790M,E19del+T790M) 的肺癌患者与0.93准确度的对照进行了歧视.
• 该技术成功监测了癌症患者的蛋白质突变状态,包括初级和二级突变.

结论:

• 外体的纳米质谱和深度学习的结合显著提高了在液体活检中蛋白质突变检测的准确性.
• 这种新的技术展示了敏感检测和监测特定癌症相关蛋白质突变的潜力.
• 开发的方法预计将成为在瘤学中辅助诊断和治疗监测的有价值工具.