基于微流体的无标签SERS对外体的分析,使用机器学习来诊断骨髓瘤
Ying Jin1, Junjie Zhang1, Xinyi Wu1
1Department of Immunology, School of Basic Medical Sciences, Anhui Medical University, Hefei, 230032, PR China.
Talanta
|May 9, 2025
概括
早期的骨肉瘤诊断对于生存至关重要. 这项研究介绍了一种微流体装置,使用无标签的SERS对外体的分析,以准确,非侵入性地检测患者的骨髓瘤.
科学领域:
- 生物医学工程 生物医学工程
- 纳米技术 纳米技术
- 在瘤学瘤学.
背景情况:
- 骨髓瘤 (OS) 诊断需要早期检测,以提高患者的生存率.
- 外体是早期癌症诊断的有希望的非侵入性生物标志物.
- 目前的OS诊断方法可能具有侵入性或缺乏敏感性.
研究的目的:
- 开发和验证一种微流体装置,用于净化和分析血衍生的外体,用于无标签的骨髓瘤诊断.
- 建立一种非侵入性方法,使用表面增强拉曼光谱法 (SERS) 来区分OS外体和健康个体.
- 构建一个机器学习模型,以基于外体SERS配置文件进行准确的OS诊断.
主要方法:
- 从等离子体中分离和净化外体,使用尺寸依赖的微流体芯片与接触式流量过.
- 用金纳米粒子 (GNP) 自组装单层的纳米阵列芯片对外体进行无标签SERS分析.
- 基于内在SERS信号的OS外体的差异化.
- 使用外体SERS数据开发机器学习诊断模型.
主要成果:
- 使用微流体芯片实现了82%的高外体恢复率.
- 通过无标签SERS成功分化了来自不同OS细胞类型的外体,以及OS患者和健康捐赠者之间的外体.
- 构建了一个机器学习模型,以93%的准确性诊断OS.
- 证明了使用等离子体外基因组进行无标签,非侵入性OS诊断的潜力.
结论:
- 开发的基于微流体SERS的方法使得骨髓瘤的非侵入性和精确诊断成为可能.
- 这种方法显示出作为骨髓瘤的诊断工具的巨大潜力,并且可以将其应用于其他疾病.
- 无标签外体样本分析为早期癌症检测提供了一种敏感和特定的策略.
