机器学习辅助的基于SERS的双体生物传感器,用于乳腺癌的超敏感临床查
Haiqian Xia1, Lingzi Xiong1, Ruoyu Huang2
1School of Nursing, Anhui Medical University, Hefei, Anhui 230032, China; CAS Key Laboratory of Ion Beam Bioengineering, Institute of Intelligent Machines, Hefei Institutes of Physical Science, Chinese Academy of Sciences, Hefei, Anhui 230031, China.
概括
这项研究引入了一个aptamer-SERS生物传感器,通过测量血清中MUC1蛋白水平来早期检测乳腺癌. 该系统实现了高精度和特异性,使得非侵入性患者监测成为可能.
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:
- 乳腺癌对全球健康构成重大挑战,需要先进的诊断工具来进行早期检测和管理.
- 目前的临床前查方法往往缺乏大规模人口研究所需的敏感性和可扩展性.
研究的目的:
- 开发和验证一种新型的aptamer-SERS生物传感器,用于敏感和特定检测乳腺癌中过度表达的生物标志物MUC1.
- 将机器学习模型与生物传感器集成,以从血清样本中准确分类乳腺癌病例.
主要方法:
- 一种"三明治"试验,使用aptamer功能化的双金属核心外纳米粒子和磁性纳米珠来捕获MUC1.
- 表面增强拉曼光谱 (SERS) 用于使用4-ATP作为记者分子进行信号检测.
- 机器学习模型用于分析SERS模式和分类样本.
主要成果:
- 阿普坦-SERS生物传感器显示出MUC1.1的广泛动态范围和2.96 fg/mL的低检测极限 (LOD).
- 集成的ML模型在分类血清样本时实现了96%的准确性和93.7%的特异性.
- 该协议在非侵入性临床前查和患者监测方面被证明是有效的.
结论:
- 开发的双体-SERS生物传感器为早期乳腺癌检测提供了一个可扩展和强大的平台.
- 这项技术促进了非侵入性监测,有可能优化个性化治疗规划和临床管理.
- 该研究提出了一个前性的工具,通过早期检测和持续监测来改善乳腺癌的治疗.
关键词:
亚普特美尔 (Aptamer) 是一种药物.生物传感器是一种生物传感器.乳腺癌 乳腺癌 乳腺癌在MUC1中,MUC1是MUC1.机器学习 (ML) 是指机器学习.表面增强的拉曼光谱学 (SERS)更多相关视频
10:46A Flow Cytometry-Based Cell Surface Protein Binding Assay for Assessing Selectivity and Specificity of an Anticancer Aptamer
Published on: September 13, 2022
3.8K
08:22Ultrasensitive Detection of Biomarkers by Using a Molecular Imprinting Based Capacitive Biosensor
Published on: February 16, 2018
12.2K