用机器学习增强的表面增强的光谱检测在人类胎盘中的多环芳

科学领域:

• 环境科学 环境科学
• 毒理学 毒理学 毒理学
• 分析化学 分析化学

背景情况:

• 多环芳 (PAH) 和多环芳 (PAC) 是危险的环境化学品.
• 暴露于PAHs/PACs,特别是从怀孕期间的烟草烟雾中,对胎儿发育和健康构成重大风险.
• 在人体组织中精确检测和识别PAHs/PACs对于风险评估至关重要.

研究的目的:

• 用先进的光谱技术证明在人类胎盘组织中直接检测和识别PAHs/PACs.
• 应用机器学习算法来区分吸烟者和非吸烟者的胎盘,基于PAH/PAC配置文件.
• 通过已建立的分子测定来验证光谱发现.

主要方法:

• 使用表面增强的拉曼光谱 (SERS) 和表面增强的红外吸收光谱 (SEIRAS) 直接分析胎盘组织.
• 采用了两个机器学习算法,特征峰值提取 (CaPE) 和特征峰值相似性 (CaPSim),以分析光谱数据.
• 通过检测多环芳-DNA (PAH-DNA) 和多环芳化合物-DNA (PAC-DNA) 添加物,使用32P后标记试验验证实了这些发现.

主要成果:

• 基于光谱学的机器学习算法 (CaPE和CaPSim) 成功地从怀孕的吸烟者和非吸烟者的胎盘组织中区分了胎盘组织.
• 在怀孕期间吸烟的妇女的胎盘中确定了特定的PAH和PAC.
• 独立的验证证实了吸烟组中PAH-DNA和PAC-DNA添加物的存在,证实了光谱检测结果.

结论:

• 表面增强光谱仪与机器学习相结合,提供了一种有效的方法来检测人类组织中危险的环境化合物.
• 这种方法为识别PAHs/PACs提供了一种简化途径,在临床诊断和公共卫生监测中具有潜在的应用.
• 该研究强调了怀孕期间吸烟对胎儿暴露于危险的环境化学物质的直接影响.