无标签的动脉样硬化诊断通过一滴血的阿波利波蛋白E淘汰赛小鼠模型使用表面增强的拉曼光谱验证机器学习算法
Sanghwa Lee1, Miyeon Jue1, Minju Cho1
1Biomedical Engineering Research Center Asan Medical Center Seoul Republic of Korea.
Bioengineering & translational medicine
|July 21, 2023
概括
这项研究引入了一种用于早期动脉样硬化检测的新方法,使用单一滴血和表面增强的拉曼光谱 (SERS). 该技术准确地诊断和分类疾病的严重程度,为改善预防性护理铺平了道路.
科学领域:
- 生物医学工程 生物医学工程
- 纳米技术 纳米技术
- 频谱学是一种光谱学.
背景情况:
- 早期发现动脉样硬化,特别是流动诱导型,对于有效的治疗和预防至关重要.
- 目前的诊断方法往往缺乏早期检测的敏感性,需要先进的方法.
研究的目的:
- 开发和验证一种用于诊断和分类动脉样硬化严重性的方法,使用单一血滴的纳米生物标志物测量.
- 为了利用表面增强的拉曼光谱 (SERS) 和机器学习进行非侵入性,早期的血管疾病检测.
主要方法:
- 使用阿波利波蛋白E淘汰赛小鼠,通过高脂肪饮食和心动脉结诱导动脉样硬化.
- 单一的血滴被用SERS分析在金涂ZnO纳米化物芯片上.
- 主要组件分析 (PCA) 和PCA-PLS-DA机器学习算法用于光谱分析和分类.
主要成果:
- 基于PCA的方法在分类动脉样硬化严重程度 (控制,轻度,严重) 中达到94.5%的准确性.
- PCA-PLS-DA算法的准确性更高,达到97.5%.
- 这项研究成功地将血液中的纳米生物标志物和血管因素与早期动脉样硬化发展相关联.
结论:
- 通过一滴血,SERS和机器学习,诊断和分级动脉样硬化的严重程度是可行的.
- 这种方法为非侵入性,早期检测动脉样硬化提供了一个有希望的途径.
- 这些发现突出了识别血液生物标志物的潜力,这些生物标志物表明了血管疾病的早期阶段.
