多复合一体蛋白检测和癌细胞分类使用多色间隙增强金纳米棒和机器学习算法

科学领域:

• 生物医学工程 生物医学工程
• 纳米技术纳米技术
• 癌症研究 癌症研究

背景情况:

• 整合素是瘤进展,入侵和转移中的关键细胞表面受体.
• 对异质癌细胞亚型的准确分类对于诊断和治疗至关重要.
• 在单细胞水平上对整合素的多重检测提供了全面的瘤细胞分析.

研究的目的:

• 开发一个五个复合体检测平台,用于多重整体蛋白分析和癌细胞分类.
• 为了利用表面增强的拉曼散射 (SERS) 与间隙增强的金纳米棒 (GENRs) 进行敏感和特定的检测.
• 利用先进的计算分析,以精确量化和分类基于整蛋白表达的癌细胞.

主要方法:

• 用五种不同的拉曼纳米标签功能化的GENRs合成,针对特定的整合素亚型.
• 同时标记单个癌细胞与五色SERS纳米标签.
• 分析SERS信号,使用经典最小平方回归进行整数定量化和随机森林分类进行细胞类型识别.

主要成果:

• 根据它们的整体蛋白样本,实现了三种不同乳腺癌细胞系的高度准确 (99.9%) 的分类.
• 证明了五种不同的整蛋白单体的可靠解卷和量化.
• 成功测试了检测外围血液单核细胞 (PBMC) 中的混合乳腺癌细胞的可行性.

结论:

• 开发的平台通过精确的基于整合素的细胞概况和分类,显著提升了癌症诊断.
• 使用SERS技术的多重集成蛋白检测显示了改善癌症亚型表征的潜力.
• 这种方法支持个性化诊断和开发有针对性的治疗策略.