早期结直肠癌检测:一种结合SERS和机器学习的血清分析平台
Miao Zhu1,2, Yubin Han3, Yitong Qiu4
1Department of Hematology, Northern Jiangsu People's Hospital, Yangzhou 225001, China. hematologysunmei@163.com.
Analytical methods : advancing methods and applications
|October 31, 2024
概括
这项研究引入了一种使用表面增强拉曼散射 (SERS) 和PCA-DWNN模型用于早期结直肠癌 (CRC) 检测的新方法. 该技术在识别小鼠血清中CRC阶段时达到97.5%的准确性.
科学领域:
- 生物医学工程 生物医学工程
- 分析化学 分析化学
- 癌症研究 癌症研究
背景情况:
- 结肠直肠癌 (CRC) 由于发病率和死亡率高,给全球健康带来了重大挑战.
- 晚期诊断的CRC往往导致较差的治疗结果,突出需要敏感的早期检测方法.
研究的目的:
- 开发和验证一种用于早期结肠直肠癌 (CRC) 检测的新方法,使用表面增强拉曼散射 (SERS) 与主要组件分析-动态加权近邻 (PCA-DWNN) 模型相结合.
- 评估合成的金纳米集群 (AuNC) 基质对从结直肠癌小鼠模型的血清样本中SERS增强的疗效.
主要方法:
- 建立大肠直肠癌 (CRC) 鼠标模型并采集血清样本.
- 高性能金纳米集群 (AuNC) 基质的合成,用于表面增强拉曼散射 (SERS) 分析.
- 开发一个主要组件分析-动态加权近邻 (PCA-DWNN) 模型,用于分类不同CRC阶段的血清SERS光谱.
主要成果:
- 合成的AuNC基质显示出高灵敏度,可重复性,均性和稳定性.
- 该PCA-DWNN模型在识别复杂的SERS光谱方面实现了卓越的分类准确性 (97.5%) 和稳定性.
- 对SERS光谱的分析揭示了与CRC进展相关的血清生物分子 (蛋白质,脂质,氨基酸,碳水化合物) 的变化.
结论:
- 结合SERS技术和PCA-DWNN模型,显示了早期检测结直肠癌 (CRC) 的巨大潜力.
- 这种方法为临床诊断提供了一个有前途的新策略,可以更准确和敏感地识别癌症阶段.
