深度学习辅助的SERS平台用于无标签检测血清中使用 ag@Pt@多孔布拉格镜复合基质的赛莱可西布

科学领域:

• 分析化学 分析化学
• 材料科学 材料科学 材料科学
• 生物医学工程 生物医学工程

背景情况:

• 切莱科西布 (CXB) 是一种治疗关节炎的NSAID,不适当使用会带来风险,需要治疗药物监测 (TDM).
• 表面增强拉曼光谱 (SERS) 是TDM的一个有价值的技术.
• 准确而敏感的检测方法对于管理CXB治疗和预防不良反应至关重要.

研究的目的:

• 开发一种基于SERS的创新深度学习方案,用于对CXB的定性和定量检测.
• 创建一个高度敏感和稳定的SERS基质,用于检测血清中的CXB.
• 整合深度学习模型来分类血液中药物度,并支持临床决策.

主要方法:

• 一种新的SERS基质的合成:银 (Ag) @白金 (Pt) @多孔布拉格镜 (PSB).
• 使用水晶紫 (CV) 作为探针对基质的表征.
• 使用开发的SERS基质检测血清中的CXB,并使用深度学习模型 (GoogleNet,ResNet,VGG) 进行分析.

主要成果:

• Ag@Pt@PSB基质表现出优异的SERS特性,稳定性,可重复性和CXB检测的灵敏性.
• 基质表现出低检测极限 (LOD) 和CXB在血清中的高恢复率.
• 谷歌网模型实现了最高的分类准确率84.17%,用于区分五种血液CXB度.

结论:

• 集成的深度学习-SERS系统有效地支持血液中药物度的歧视.
• 这项技术可以帮助临床医生个性化关节炎治疗策略.
• 开发的方法提高了管理赛莱科克西布治疗的临床效率和患者安全.