多变量和机器学习衍生虚拟染色和生物化学定量癌细胞通过拉曼高光谱成像
Vikas Yadav1, Ruchi Singh1, Maya Chaturvedi2
1Department of Chemistry, Indian Institute of Technology Delhi, Hauz Khas, New Delhi 110016, India.
Analytical chemistry
|June 11, 2025
概括
这项研究引入了一种用于超分辨率拉曼成像的新算法,使细胞结构的无标签可视化成为可能. 这种技术准确地分类癌症细胞系,为改进诊断和个性化瘤治疗提供了潜在的潜力.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 分子光谱学 分子光谱学
- 计算生物学 计算生物学
背景情况:
- 虚拟染色和空间奥米克提升了细胞和分子探索.
- 传统的染色方法有局限性;拉曼光谱提供了一个无标签的替代方案.
- 空间奥米克提供了空间解决的生物见解.
研究的目的:
- 开发一种用于超分辨率拉曼成像的新算法.
- 为了使细胞结构的详细,无标签的可视化.
- 量化分析生物分子成分并对癌症细胞系进行分类.
主要方法:
- 开发了一种用于超分辨率拉曼图像重建的新算法.
- 采用了使用化学测量工具的拉曼光谱 (PCA,MCR-ALS,ANN).
- 进行了对原蛋白,脂质,糖原和核酸的定量分析.
主要成果:
- 实现了超高分辨率的拉曼图像,具有详细的,无标签的可视化.
- 用近99%的准确度对不同癌症细胞系进行了分类.
- 在瘤中识别出明显的分子指纹和生化变异.
结论:
- 新的拉曼光谱方法使得准确的,无标签的癌症细胞系分类成为可能.
- 这种方法有助于通过生物化学变异来理解瘤异质性.
- 结合虚拟染色,空间奥米克和化学测量,用于先进的瘤诊断和个性化治疗.
