用兰化物杂的有机框架传感器阵列与机器学习相结合,通过脑脊髓液活检诊断微创性质瘤诊断

科学领域:

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

背景情况:

• 多形质母细胞瘤 (GBM) 诊断面临挑战,因为侵入性方法和有限的生物标志物检测.
• 目前用于结质瘤的诊断技术往往是侵入性的,昂贵的,并且仅限于实验室环境.
• 对于早期发现质瘤,需要灵敏,准确和最少侵入性的诊断工具.

研究的目的:

• 开发一种以兰化物 (Tb³⁺) 为质瘤诊断的基于有机框架的传感器阵列.
• 通过脑脊液 (CSF) 活检,使质瘤的微创,敏感和准确检测成为可能.
• 探索这种传感器阵列与机器学习相结合的潜力,用于临床翻译.

主要方法:

• 制造一组传感器阵列,集成三个不同的Tb³⁺-doped有机框架.
• 利用独特的拓结构,表面电荷和光反应来识别差异化生物标志物.
• 应用机器学习算法来分析传感器对CSF相关分子和临床样本的反应.

主要成果:

• 传感器阵列展示了强大的区分能力,对八个CSF相关的分子.
• 成功地将质瘤患者样本与正常对照样本分离出来,诊断准确率为95.5%.
• 该系统在临床CSF中识别质瘤标志物方面表现出高灵敏度和准确性.

结论:

• 用Tb³⁺的有机框架传感器阵列为最小侵入性质瘤诊断提供了一个有前途的方法.
• 与机器学习的整合提高了诊断准确性和分子分层的潜力.
• 这项技术在早期质瘤检测和临床应用方面具有重大潜力.