一种高度敏感的SERS技术,基于Au NPs单层膜,与多变量统计算法相结合,用于对绝经后骨质疏松症进行辅助查

科学领域:

• 生物医学工程 生物医学工程
• 分析化学 分析化学
• 生物化学 生物化学

背景情况:

• 绝经后骨质疏松症 (PMOP) 是一个重大的公共卫生问题.
• 目前的PMOP诊断依赖于症状和放射学,经常错过早期阶段.
• 对PMOP.有必要使用敏感的,早期的查方法.

研究的目的:

• 调查表面增强拉曼散射 (SERS) 对于PMOP的辅助选的可行性.
• 使用SERS开发一种用于PMOP检测的光谱诊断模型.
• 在血清中识别与PMOP相关的生化标志物.

主要方法:

• 通过卵巢切除 (OVX) 建立了PMOP大鼠模型.
• 来自Sham,OVX和icariin治疗组的血清样本使用SERS与金纳米颗粒进行了分析.
• 部分最小平方 (PLS) 和支持向量机 (SVM) 算法被用来构建诊断模型.

主要成果:

• 组织病理学证实了成功的PMOP模型诱导.
• 赛尔斯分析显示了PMOP的生化变化,包括改变的氨酸,氨酸,氨酸,脂质和原水平.
• PLS-SVM模型实现了93.33%的灵敏度,96.67%的特异性和91.11%的准确性,用于三类分类.

结论:

• 赛尔斯技术显示出在绝经后骨质疏松症的辅助查方面具有显著的潜力.
• 通过SERS检测到的生物化学概况可以作为早期PMOP检测的生物标志物.
• 这种非侵入性的SERS方法为改善PMOP诊断策略提供了一个有希望的工具.