使用深度学习辅助的表面增强拉曼光谱技术实时监测单一树突细胞的成熟
Cai Zhang1, Mengling Wang1, Houde Wu2
1Department of Radiology, Tianjin Medical University Cancer Institute and Hospital, National Clinical Research Center for Cancer, Tianjin's Clinical Research Center for Cancer, Key Laboratory of Cancer Immunology and Biotherapy, Tianjin 300060, China.
Theranostics
|October 31, 2024
概括
我们开发了一种基于纳米粒子的新方法,用于实时检测树突细胞 (DC) 成熟,使用表面增强拉曼光谱 (SERS). 这种技术准确地识别了DC成熟状态,这对于免疫监测和疫苗开发至关重要.
科学领域:
- 免疫学 免疫学 免疫学
- 生物技术是生物技术.
- 频谱学是一种光谱学.
背景情况:
- 精确的实时检测树突细胞 (DC) 成熟对于评估免疫反应,疫苗疗效和免疫疗法的有效性至关重要.
- 由于细胞异质性,对DC成熟的单细胞水平监测存在重大挑战.
- 表面增强拉曼光谱 (SERS) 提供了无标签生物化学指纹的潜力,以评估DC的成熟度.
研究的目的:
- 开发一种自我报告的纳米疫苗,以实时评估DC激活和成熟.
- 利用无标签的SERS和深度学习来有效识别DC成熟状态.
主要方法:
- 开发Au@CpG@PEG纳米颗粒作为一个纳米疫苗.
- 无标签SERS的应用用于收集DC的振动光谱.
- 使用卷积神经网络 (CNN) 来识别直流成熟的光谱数据的分析.
主要成果:
- 实现了动态,实时检测DC成熟度,准确度超过98.92%.
- 展示了开发的纳米疫苗和SERS战略的能力,以快速有效地评估DC成熟度.
结论:
- Au@CpG@PEG纳米粒子和SERS方法可以准确地实时监测DC成熟.
- 分子分析表明,托与碳水化合物信号比率是区分DC成熟状态的潜在标记.
