使用自组装纳米颗粒和表面增强拉曼光谱的无标签葡萄糖检测方面的进展
Shen Jiang1, Qiuyun Li1, Guangrun Wu1
1State Key Laboratory of Frigid Zone Cardiovascular Diseases (SKLFZCD), College of Pharmacy, Harbin Medical University, Baojian Road No. 157, Harbin 150081, Heilongjiang, China.
Analytical chemistry
|July 8, 2024
概括
这项研究引入了一种新的表面增强拉曼光谱 (SERS) 基质,用于敏感的,无标签的葡萄糖检测. 新的SERS平台能够快速,非破坏性地分析各种样本中的糖,包括模拟的人类血清.
科学领域:
- 生物分子检测 生物分子检测
- 频谱学是一种光谱学.
- 纳米技术纳米技术
背景情况:
- 表面增强拉曼光谱 (SERS) 在无标签的生物分子检测方面面临挑战,特别是对于像葡萄糖这样的糖类.
- 开发敏感和特定的SERS基质对于推进诊断工具至关重要.
研究的目的:
- 设计一种新的SERS基质,用于敏感,无标签地检测葡萄糖和其他碳水化合物.
- 证明基质在复杂的生物样本中进行非破坏性分析的能力.
- 整合机器学习来区分模拟血清中的葡萄糖度水平.
主要方法:
- 使用各种尺寸的自组装纳米粒子 (Ag1@Ag2NPs) 制造SERS基底,以创建"热点".
- 使用SERS进行无标签检测葡萄糖和各种碳水化合物结构.
- 使用机器学习算法对模拟血清样本中的葡萄糖水平进行分类 (低血糖,正常血糖,高血糖).
主要成果:
- 为葡萄糖达到6.62 pM的低检测极限.
- 在模拟的酸盐缓冲盐水和尿液中,证明了快速,精确和可重复的非破坏性葡萄糖检测.
- 通过模拟血清和机器学习成功地区分了低血糖,正常血糖和高血糖状态.
- 在检测和区分各种单糖,脱糖和甲基化糖化物方面展示了多功能性.
结论:
- 开发的Ag1@Ag2NPs SERS基质为无标签的碳水化合物检测提供了增强的灵敏度和特异性.
- 这个平台为非化学葡萄糖监测和结构碳水化合物分析提供了一个有希望的基础.
- 与机器学习的整合增强了精准医学应用的诊断潜力.
