机器学习辅助的双模式SERS检测用于循环瘤细胞
Chenguang Zhang1, Lei Xu2, Xinyu Miao2
1Ningbo Key Laboratory of Biomedical Imaging Probe Materials and Technology, Zhejiang International Cooperation Base of Biomedical Materials Technology and Application, Chinese Academy of Sciences (CAS) Key Laboratory of Magnetic Materials and Devices, Ningbo Cixi Institute of Biomedical Engineering, Zhejiang Engineering Research Center for Biomedical Materials, Ningbo Institute of Materials Technology and Engineering, Chinese Academy of Sciences, Ningbo, 315201, PR China; Cixi Biomedical Research Institute, Wenzhou Medical University, Zhejiang, PR China.
这项研究引入了一种用于检测循环瘤细胞 (CTC) 的新方法,使用编码的表面增强拉曼光谱 (SERS) 生物探针和机器学习. 这种方法可以在血液样本中识别CTC,从而提高癌症诊断的准确性.
科学领域:
- 生物医学工程 生物医学工程
- 分析化学 分析化学
- 在瘤学瘤学.
背景情况:
- 循环瘤细胞 (CTC) 是癌症诊断和监测的关键生物标志物.
- 表面增强拉曼光谱 (SERS) 为生物分子检测提供了高灵敏度和选择性.
- 机器学习 (ML) 增强生物医学应用中的分析能力.
研究的目的:
- 制定一项综合战略,用于对CTC的敏感和特定检测.
- 将编码的SERS生物探针与ML相结合,以实现可靠的CTC识别.
- 建立一种用于早期癌症诊断和预后的新方法.
主要方法:
- 设计和合成用于磁分离和拉曼信号编码的双模SERS生物探针.
- 使用"尾酒"方法,与瘤细胞共同化SERS生物样本.
- 使用主要组件分析 (PCA) 和随机森林 (RF) 算法开发CTC识别模型.
主要成果:
- 实现了高灵敏度的CTC检测,低至2细胞/毫升.
- 显示了高CTC检测率的98%.
- 成功地将CTC与白细胞 (WBC) 区分开来,最大限度地减少干扰.
结论:
- 开发的战略为CTC检测提供了一种高效和准确的方法.
- 这种方法在改善非侵入性癌症诊断方面具有显著的潜力.
- 塞尔斯生物探针和ML的组合为未来的临床应用提供了一个有前途的平台.
更多相关视频
10:29Semi-automatic PD-L1 Characterization and Enumeration of Circulating Tumor Cells from Non-small Cell Lung Cancer Patients by Immunofluorescence
Published on: August 14, 2019
14:14Adaptation of Semiautomated Circulating Tumor Cell CTC Assays for Clinical and Preclinical Research Applications
Published on: February 28, 2014