通过非接触式短波红外超光谱传感探索用于量化细胞参数的线性和可解释模型

科学领域:

• 生物医学工程 生物医学工程
• 频谱学是一种光谱学.
• 化学测量 化学测量 化学测量

背景情况:

• 细胞参数的无标签量化在生物医学中至关重要.
• 当前的光学探测器需要大量的数据集进行校准,并使用复杂的,难以解决问题的模型.
• 生物制药制造需要可靠和可解释的分析方法.

研究的目的:

• 引入一种使用短波红外 (SWIR) 超光谱成像进行高效和可解释的细胞参数定量化的新方法.
• 开发和验证可解释的线性模型 (L-SLR) 用于测量代谢物和可活细胞密度 (VCD).
• 将L-SLR的性能与已建立的化学测量模型进行比较,例如部分最小平方 (PLS) 和非负矩阵分解 (NMF).

主要方法:

• 使用无接触式SWIR超光谱摄像头进行快速数据采集.
• 使用在有限的数据集上训练的可解释线性回归模型 (L-SLR).
• 使用开发的模型量化果糖,葡萄糖,乳酸和VCD.
• 将L-SLR性能与PLS和NMF进行比较,使用诸如平均绝对误差 (MAE) 和相关系数 (r2) 等指标.

主要成果:

• 在量化葡萄糖 (r2=0.88,MAE=37毫克/毫升),乳酸 (r2=0.93,MAE=15.08毫克/毫升) 和VCD (r2=0.81,MAE=8.6×105细胞/毫升) 方面,L-SLR在50%的数据中取得了强的表现.
• 该模型甚至在高葡萄糖度的情况下也成功量化了果糖,证明了它的稳定性.
• 在复杂介质中,通过不同的度范围 (大:r2=0.92,MAE=25.1 mg/dL;小:r2=0.85,MAE=4.97 mg/dL) 实现了精确的果糖量化.
• 产生了可解释的重量矩阵,提供了对驱动预测的光谱特征的见解.

结论:

• 与可解释的线性模型相结合的SWIR高光谱成像为细胞参数量化的传统方法提供了高效可靠的替代方案.
• L-SLR为监测生物过程中的关键参数提供了强大,可解释和数据效率高的解决方案.
• 这种方法促进了故障排除,并增强了对生物制药制造等高风险应用的信心.