相关实验视频
Updated: Apr 28, 2026

10:05
High-throughput Detection Method for Influenza Virus
Published on: February 4, 2012
26.3K
使用无标签SERS与机器学习算法相结合,通过临床鼻样本快速识别流感
Shaohua He1, Shibo Cao2, Jiayi Yuan2
1Key Laboratory of Optoelectronic Science and Technology for Medicine, Ministry of Education, Fujian Provincial Key Laboratory for Photonics Technology, Fujian Normal University, Fuzhou, 350117, China. duo@fjnu.edu.cn.
Analytical methods : advancing methods and applications
|July 14, 2025
概括
一种新的无标签表面增强拉曼光谱 (SERS) 方法与机器学习相结合,可快速检测流感病毒. 这项技术在几秒钟内分析鼻子抹布,为传统诊断方法提供了便携式替代方案.
科学领域:
- 生物医学工程 生物医学工程
- 频谱学是一种光谱学.
- 机器学习 机器学习
背景情况:
- 流感病毒的爆发对全球健康造成了重大关注.
- 目前的黄金标准诊断方法,如RT-PCR和ELISA,耗时且不便携.
- 迫切需要快速,准确和便携式的流感检测技术.
研究的目的:
- 开发一种新的,无标签的流感病毒检测方法.
- 使用鼻分析,探索流感患者和健康个体之间的分子差异.
- 建立一个快速和便携式的诊断平台,用于流感检测.
主要方法:
- 使用无标签的表面增强拉曼光谱 (SERS) 直接分析鼻样本.
- 采用机器学习算法,包括主要组件分析与线性差异分析 (PCA-LDA) 和支持向量机器 (SVM) 结合.
- 开发了一种从鼻液中提取和建模分子特征以进行差异化的方法.
主要成果:
- 在区分流感患者和正常个体方面达到76.5%的准确性.
- 证明了在每次测试仅需5秒的时间内分析样本的能力.
- 仅需要10μL的小样本体积进行分析.
结论:
- 开发的无标签SERS与机器学习相结合,提供了一个有前途的快速和便携式流感病毒检测平台.
- 这种方法克服了传统诊断方法在速度和可移植性方面的局限性.
- 它有可能在临床流感诊断中得到广泛应用.

