基于尿表增强的拉曼光谱和主要组件分析-支持载体机/随机森林的病快速检测
Shizheng Zhang1, Jiawei Ma1, Chaojun Qi2
1University of Shanghai for Science and Technology, Shanghai 200093, China.
概括
这项研究引入了一种使用SERS光谱的新型尿检,用于诊断原发性淋巴结膜炎 (PGN),并区分IgA病 (IgAN) 和异常性膜性病 (IMN). 这种非侵入性方法显示出更快,更准确的PGN诊断的希望.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學專業.
- 生物医学工程 生物医学工程
- 分析化学 分析化学
背景情况:
- 免疫球蛋白A脏病 (IgAN) 和异形膜性脏病 (IMN) 是导致末期脏病的主要原因.
- 目前用于原发性淋巴结膜炎 (PGN) 的诊断方法通常是侵入性的,耗时的,缺乏敏感性.
- 对于PGN来说,急需快速,非侵入性和高度敏感的诊断工具.
研究的目的:
- 开发和验证使用尿液表面增强拉曼光谱 (SERS) 光谱的PGN新型诊断方法.
- 要区分PGN和健康对照 (HC).
- 为了分类PGN的亚型,特别是Igan和IMN.
主要方法:
- 收集了Igan,IMN和健康对照患者的尿液SERS光谱.
- 雇佣曼-惠特尼U测试以确定群体之间的显著光谱差异.
- 使用主要组件分析 (PCA) 结合支持矢量机 (SVM) 和随机森林 (RF) 模型进行分类.
- 在模型评估中执行一次性交叉验证 (LOOCV).
主要成果:
- 在PGN/HC和Igan/IMN组之间证实了显著的光谱差异.
- 与PCA-RF相比,PCA-SVM模型在PGN/HC分类方面获得了更高的准确性 (98.36%) 和特异性 (100%).
- 与PCA-RF相比,PCA-SVM模型显示Igan/IMN分类的准确度 (72.95%) 和灵敏度 (83.61%) 提高了.
- 尿液SERS分析有效地区分了PGN/HC和Igan/IMN.
结论:
- 泌尿SERS光谱学为PGN的诊断和分类提供了一个有希望的非侵入性方法.
- 这种方法有可能改善临床管理,包括疾病监测和复发检测.
- 这些发现支持SERS在病诊断中的临床实用性.
更多相关视频
09:16Supervised Machine Learning for Semi-Quantification of Extracellular DNA in Glomerulonephritis
Published on: June 18, 2020
7.0K
07:54Surface-enhanced Resonance Raman Scattering Nanoprobe Ratiometry for Detecting Microscopic Ovarian Cancer via Folate Receptor Targeting
Published on: March 25, 2019
8.3K
