尿素成分的无标签SERS:通过多变量分析和机器学习技术对细胞癌进行歧视的强大工具
Bogdan Adrian Buhas1,2,3, Valentin Toma4, Jean-Baptiste Beauval1
1Department of Urology, La Croix du Sud Hospital, 52 Chemin de Ribaute St., 31130 Quint Fonsegrives, France.
International journal of molecular sciences
|April 13, 2024
概括
尿液的表面增强拉曼散射 (SERS) 显示出早期细胞癌 (RCC) 检测的前景. 这种非侵入性方法,使用化学测量,准确地区分RCC患者和健康的捐赠者,并确定不同癌症阶段.
科学领域:
- 生物医学光谱学 生物医学光谱学
- 分析化学 分析化学
- 瘤学 诊断 诊断 瘤学
背景情况:
- 表面增强拉曼散射 (SERS) 能够灵敏地检测生物流体中的小分子.
- 细胞癌 (RCC) 的早期诊断至关重要,因为它通常是无症状的,并且在症状出现时与晚期疾病有关.
- 目前对RCC的诊断方法可能是侵入性的,或者在晚期发现疾病.
研究的目的:
- 调查尿液中无标签SERS的有效性,以区分RCC患者和健康对照人群.
- 评估多变量分析技术的性能,主要组件分析-线性区分分析 (PCA-LDA) 和支持向量机 (SVM),用于RCC检测.
- 评估光谱数据规范化对诊断准确性的影响.
主要方法:
- 从50名RCC患者和44名健康捐赠者的尿样收集和SERS分析.
- 应用PCA-LDA和SVM用于SERS光谱数据的多变量分析.
- 对原始和规范化的光谱数据进行比较分析,并对不同数量的主要组件进行评估.
主要成果:
- 通过使用13个主要组件,PCA-LDA实现了RCC和对照之间的100%区别,并实现了88%的分期精度.
- 对于RCC与对照的歧视,SVM显示了99%的验证准确度,对于分期,SVM显示了80%的验证准确度.
- 与原始数据相比,SERS光谱数据的规范化显著提高了歧视准确性.
- 优化的PCA-LDA实现了90%的RCC检测准确度和88%的减少组件的分期,提高了稳定性.
结论:
- 尿液的无标签SERS,结合化学测量,为早期RCC检测提供了一个高度准确和非侵入性的方法.
- 多变量分析,特别是具有优化组件的PCA-LDA,有效地区分RCC患者和健康个体.
- 这种基于SERS的方法具有改善RCC查和诊断的巨大潜力.
