使用先进的3D等离子双金属合金纳米架构为基础的SERS生物传感器结合机器学习用于多个分析物识别,快速和差异性诊断败血症阶段

科学领域:

• 纳米技术纳米技术
• 生物医学工程 生物医学工程
• 分析化学 分析化学

背景情况:

• 准确诊断感染,败血症和败血性休克对于患者的生存和抗生素管理至关重要.
• 目前的诊断方法可能很慢,阻碍了及时的治疗决策.
• 对于败血症和败血症休克,需要快速,灵敏和特定的诊断工具.

研究的目的:

• 开发一个3D黄金纳米颗粒装饰的金银合金纳米柱 (AuNG@Au-AgNP) 基面增强拉曼散射 (SERS) 生物传感器.
• 在血清中定量分析与免疫相关的可溶蛋白 (CD123,PD-L1,HLA-DR,ChiT) 以进行差异诊断.
• 利用机器学习提高诊断性能,对败血症严重程度进行分类.

主要方法:

• 使用化氧化 (AAO) 制造3D双金属纳米架构.
• 使用SERS对四种与免疫相关的蛋白质进行定量分析.
• 支持矢量机 (SVM) 算法的应用用于数据分析和分类.

主要成果:

• 生物传感器显示了低检测极限 (4-6 fM) 和高信号一致性 (RSD = 1.79%).
• SVM算法在分类健康对照,感染,败血症和败血性休克方面实现了95.0%的准确性和95.8%的精度.
• 开发的生物传感器提供了一种快速,简单和可复制的多分析物识别方法.

结论:

• 基于纳米架构的3D等离子双金属合金SERS生物传感器在临床上对败血症诊断和严重程度评估非常有用.
• 这项技术使得及时和个性化的治疗策略成为可能.
• 该研究强调了先进的纳米材料和机器学习在传染病诊断中的潜力.