一个代谢地图和人工智能辅助识别鼻癌通过单细胞拉曼平台的鼻癌
Jiabao Xu1, Dayang Chen2, Wei Wu2
1Division of Biomedical Engineering, James Watt School of Engineering, University of Glasgow, Glasgow, G12 8LT, UK.
British journal of cancer
|March 7, 2024
概括
单细胞拉曼光谱揭示了鼻癌 (NPC) 的新陈代谢改变,确定不和脂肪酸作为关键指标. 这种由人工智能驱动的方法为NPC检测和管理提供了一个有希望的,不那么侵入性的诊断工具.
科学领域:
- 生物医学光学 生物医学光学
- 癌症研究 癌症研究
- 代谢学 代谢学 代谢学
背景情况:
- 鼻癌 (NPC) 是一种复杂的恶性瘤,具有多因素的起源.
- 了解NPC的致癌性需要调查相关的生物分子变化.
- 单细胞拉曼光谱 (SCRS) 为此类研究提供了一种新的方法.
研究的目的:
- 通过分析生物分子变化来探索SCRS用于诊断NPC.
- 创建NPC细胞的代谢地图,并确定关键的代谢变化.
- 开发人工智能驱动的NPC检测分类模型.
主要方法:
- 孔焦拉曼光谱测量和成像NPC细胞系,永生化鼻上皮细胞和组织样本.
- 使用SCRS数据对生物分子和机器学习模型开发的量化.
- 通过超高性能液体染色学-并联质谱法 (UPLC-MS/MS) 进行代谢分析.
主要成果:
- 生成的代谢地图显示了NPC细胞中核酸,氨基酸,脂质和糖代谢的改变.
- 在转移和差分化的NPC细胞中观察到不和脂肪酸的增加,在Raman和UPLC-MS/MS数据中一致.
- 人工智能分类模型在区分NPC和非NPC样本方面实现了高精度 (细胞ROC-AUC为0.99,组织为0.97).
结论:
- 复杂的代谢网络相互作用与NPC进展和转移有关,不和脂肪酸发挥着重要作用.
- 与AI相结合的SCRS展示了作为NPC的简单,准确和少入侵的诊断方法的潜力.
- 进一步的研究可以利用这些发现来确定新的治疗点,并提高NPC治疗疗效.


