相关实验视频
Updated: Jun 24, 2025
08:39
Culture of Bladder Cancer Organoids as Precision Medicine Tools
Published on: December 28, 2021
4.6K
多谱3DDNA机器与多模式机器学习相结合,用于对膀癌进行非侵入性精确诊断
Na Wu1,2, Ka-Ying Wong3, Xin Yu1
1Research Center for Analytical Sciences, Department of Chemistry, College of Sciences, Northeastern University, Box 332, Shenyang 110819, China.
Analytical chemistry
|June 7, 2024
概括
这项研究引入了一种使用3D DNA机器和机器学习进行精确膀癌 (BCa) 诊断的新型多式联络平台. 先进的系统显著提高了诊断的准确性,减少了误诊率.
科学领域:
- 生物医学工程 生物医学工程
- 纳米技术 纳米技术
- 机器学习 机器学习
背景情况:
- 细胞外囊泡 (EV) 分析对癌症诊断有希望,但单模式方法产生高假阳性和低精度.
- 目前用于膀癌 (BCa) 诊断的方法往往缺乏必要的精度,导致潜在的过度治疗.
研究的目的:
- 开发和验证一个用于高精度诊断膀癌 (BCa) 的多模式平台.
- 将多谱3DDNA机器与多模式机器学习 (ML) 算法集成,以提高诊断性能.
主要方法:
- 使用磁性微粒 (MNP) 构建了一个3D DNA 机器,其功能与向尿路EV (uEV) 上五种蛋白标记物的aptamers相关.
- 集成的DNA稳定银纳米集群 (DNA/AgNCs) 和G-quadruplex/hemin复合体,用于通过光 (FL),ICP-MS和紫外线吸收 (Abs) 进行多光谱检测.
- 应用单式和多式ML算法来分析45个尿样中的数据,以诊断BCa.
主要成果:
- 3D DNA 机器证明了 uEVs 的低检测极限 (9.2 × 10^3 颗粒 mL^-1) 和广泛的线性范围 (4 × 10^4 到 5 × 10^7 颗粒 mL^-1).
- 多式联网数据融合模型的平均准确率为95.0%,精度为93.1%,回忆率为93.2%.
- 单模式模型的诊断性能低于91%,突出显示了多模式方法的优势.
结论:
- 与单模方法相比,开发的多模平台显著提高了膀癌的诊断精度.
- 这种方法为减少膀癌误诊和过度治疗提供了一个有希望的策略.
- 基于DNA的先进传感与机器学习的整合代表了分子诊断的强大工具.
