机器学习辅助的近红外光谱指纹用于巨细胞表型化
Aceer Nadeem1, Sarah Lyons1, Aidan Kindopp1
1Department of Chemical Engineering, University of Rhode Island, Kingston, Rhode Island 02881, United States.
ACS nano
|August 16, 2024
概括
巨细胞中DNA单壁碳纳米管 (DNA-SWCNTs) 的近红外光谱指纹显示出不同的细胞表型. 机器学习可以根据它们的内内体环境和DNA-SWCNT相互作用准确地识别M1和M2巨细胞.
科学领域:
- 纳米材料科学 科学 纳米材料科学
- 细胞生物学 细胞生物学
- 频谱学是一种光谱学.
背景情况:
- 光谱指纹识别可以识别化合物和细胞相互作用.
- 工程纳米材料为生物学研究提供了新的工具.
研究的目的:
- 为了研究DNA功能化单壁碳纳米管 (DNA-SWCNTs) 和活细胞之间的相互作用.
- 通过光谱指纹和机器学习使得巨细胞在现场的表型歧视成为可能.
主要方法:
- 接近红外 (NIR) 光光谱指纹.
- 拉曼显微镜用于吸收和缺陷比率分析.
- 支持向量机 (SVM) 模型用于表型分类.
主要成果:
- 在M1巨细胞中,DNA-SWCNT吸收率统计较高,缺陷比率较低.
- 不同的内内体环境在光学特征上产生了显著的差异.
- SVM模型在识别M1和M2巨细胞方面实现了>95%的准确性.
结论:
- DNA-SWCNTs的光谱指纹可以作为巨细胞表型的标记物.
- DNA序列长度影响DNA-SWCNT复合体的稳定性和模型的准确性.
- 纳米传感器平台有望实现实时in vivo细胞分化监测.


