通过SERS和卷积神经网络,快速准确地识别干细胞分化阶段
Xiao Zhang1, Jianhui Wan1, Tao Huang1
1Key Laboratory of Photonics Technology for Integrated Sensing and Communication of Ministry of Education, Guangdong University of Technology, Guangzhou 510006, China.
Biomedical optics express
|June 10, 2024
概括
这项研究引入了一种使用表面增强拉曼光谱 (SERS) 和卷积神经网络 (CNN) 的新方法,用于在诱导多能干细胞 (iPSC) 分化过程中精确识别细胞状态,达到98.5%的精度.
科学领域:
- 生物技术是生物技术.
- 频谱学是一种光谱学.
- 干细胞生物学 干细胞生物学
背景情况:
- 监测诱导多能干细胞 (iPSC) 分化对于临床应用和研究至关重要.
- 目前用于在分化过程中识别细胞状态的方法需要提高准确性和分类.
研究的目的:
- 开发一种精确的方法来识别和区分干细胞分化过程中的细胞状态.
- 提高干细胞研究和临床应用中细胞状态监测的准确性和速度.
主要方法:
- 合成了针对线粒体的探针,使用金纳米棒 (AuNR) 和线粒体局部化信号 (MLS) .
- 利用表面增强的拉曼光谱法 (SERS) 来捕获来自不同细胞分化阶段的光谱信号.
- 采用卷积神经网络 (CNN) 来分析SERS光谱用于细胞状态识别.
主要成果:
- 在干细胞分化过程中实现了六种不同的细胞状态的快速和准确的识别,包括胚胎体 (EB) 阶段.
- 在细胞状态识别方面达到98.5%的预测准确度.
- 研究了光谱特征峰值的影响,为优化光谱采集和速度提供了洞察力.
结论:
- 塞尔斯-CNN模型显示了干细胞精确质量监测的巨大潜力.
- 这种方法促进了干细胞在医学和研究中的实际应用.
- 优化光谱分析可以提高干细胞监测系统的效率.
