基于MXene的SERS对外体的光谱分析,用于深度学习的肺癌差异诊断
Xi Chen1, Hongyi Liu1, Dandan Fan1
1Key Laboratory of Optical Technology and Instrument for Medicine, Ministry of Education, University of Shanghai for Science and Technology, 200093 Shanghai, China.
Biomedical optics express
|January 16, 2025
概括
这项研究介绍了一种使用表面增强拉曼光谱 (SERS) 和深度学习进行精确肺癌诊断的新型液体活检方法. 该技术准确地识别出外体的非小细胞肺癌 (NSCLC) 细胞系,为早期检测提供了一个有前途的工具.
科学领域:
- 生物医学工程 生物医学工程
- 分析化学 分析化学
- 计算生物学 计算生物学
背景情况:
- 肺癌的高死亡率与晚期检测和治疗耐药性有关.
- 液体活检为早期和准确的癌症诊断提供了一种最小侵入性的方法.
- 来自瘤细胞的外体是液体活检的宝贵生物标志物,因为它们的异质性.
研究的目的:
- 利用外体组分析开发肺癌的精确诊断技术.
- 将表面增强的拉曼光谱 (SERS) 与深度学习相结合,用于增强光谱数据解释.
- 研究一种新型复合基材对于敏感的外体检测的潜力.
主要方法:
- 使用Ti3C2Tx MXene和金银核心外纳米立方体 (MGS) 的复合基质被合成用于SERS检测外体.
- 通过使用格拉米安角总和场 (GASF) 来转换出异构体衍生的光谱数据成二维图像.
- 基于MobileNet V2框架的深度学习模型被用于分析GASF转换的光谱图像.
主要成果:
- GASF-MobileNet V2方法在识别不同非小细胞肺癌 (NSCLC) 细胞系时,实现了95.23%的整体准确性.
- 每个类别的曲线下的面积 (AUC) 超过了0.95,表明了高诊断性能.
- 开发的方法证明了对外体组分析的灵敏度和信号稳定性.
结论:
- 无标签SERS与深度学习的整合为精确的肺癌差异诊断提供了一个强大的策略.
- 这种方法显示了常规癌症管理的巨大潜力,并且可以扩展到其他癌症类型.
- 基于MXene的基板的使用促进了有效的外体细胞捕获和丰富,提高了诊断的准确性.
更多相关视频
09:30Using Nanoplasmon-Enhanced Scattering and Low-Magnification Microscope Imaging to Quantify Tumor-Derived Exosomes
Published on: May 24, 2019
7.3K
08:14MicroRNA Based Liquid Biopsy: The Experience of the Plasma miRNA Signature Classifier MSC for Lung Cancer Screening
Published on: October 26, 2017
15.6K
