基于等离子体的拉曼光谱用于在小鼠模型中早期检测急性心肌梗塞
Chengyou Jia1, Chunyan Duan2, Jing Sun2
1Department of Nuclear Medicine, Clinical Nuclear Medicine Center, Imaging Clinical Medical Center, Institute of Nuclear Medicine, Institute of Clinical Mass Spectrometry Applied Research Center, School of Medicine, Shanghai Tenth People's Hospital, Tongji University, Shanghai, 200072, China.
Scientific reports
|December 9, 2025
概括
拉曼光谱与机器学习相结合,显示出诊断急性心肌梗塞 (AMI) 的前景. 该技术分析血代谢物以检测与AMI相关的微妙代谢变化,提高诊断准确度.
科学领域:
- 生物化学 生物化学
- 医学诊断 医学诊断 医学诊断
- 频谱学是一种光谱学.
背景情况:
- 急性心肌梗塞 (AMI) 是全球主要的死亡原因.
- 目前的AMI诊断方法缺乏足够的灵敏度和特异性.
- 对于AMI诊断的血代谢物概况尚未得到充分研究.
研究的目的:
- 研究拉曼光谱在诊断AMI时用于血代谢分析的潜力.
- 为了评估机器学习算法的准确性在分析拉曼光谱的AMI检测.
主要方法:
- 冠状动脉绑定诱导的小鼠AMI模型.
- 从超过的血样本中获取拉曼光谱.
- 使用支持向量机 (SVM),物流回归 (LR),随机森林 (RF),线性差异分析 (LDA) 和部分最小平方差异分析 (PLS-DA) 来分析光谱数据.
主要成果:
- 与氨基酸,脂质和核酸相关的八个不同的拉曼峰区分了AMI与Sham组.
- 射频和LDA算法实现了最高的诊断准确度 (79.6%),特异性 (85.2%) 和灵敏度 (74.1%).
- 代谢分析显示了脂类的下调,与拉曼光谱学的发现一致.
结论:
- 拉曼光谱与机器学习相结合,为早期和准确的AMI诊断提供了一个有希望的方法.
- 在拉曼光谱和基于MS的代谢分析之间观察到很高的一致性.
- 这种综合方法有可能在心血管诊断中进行临床转化.
