CN113267482B - 一种鼻咽癌单细胞检测方法、存储介质及系统 - Google Patents
一种鼻咽癌单细胞检测方法、存储介质及系统 Download PDFInfo
- Publication number
- CN113267482B CN113267482B CN202110120055.6A CN202110120055A CN113267482B CN 113267482 B CN113267482 B CN 113267482B CN 202110120055 A CN202110120055 A CN 202110120055A CN 113267482 B CN113267482 B CN 113267482B
- Authority
- CN
- China
- Prior art keywords
- nasopharyngeal carcinoma
- sample
- nasopharyngeal
- cell
- raman
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种鼻咽癌单细胞检测方法、存储介质及系统,方法包括步骤:通过单细胞拉曼显微光谱技术获取鼻咽癌样本和鼻咽正常样品的拉曼光谱,然后基于所述拉曼光谱构建SVM模型的检测函数SVM_Model,最后基于构建的所述检测函数SVM_Model对待检样品的拉曼光谱进行检测并输出检测结果,从而判断待检测样本是否含有鼻咽癌单细胞。本发明提供的方法具有快捷、高效、准确、无标记、非侵入性等优点。
Description
技术领域
本发明涉及细胞检测制备领域,特别涉及一种鼻咽癌单细胞检测方法、存储介质及系统。
背景技术
早期鼻咽癌对放化疗敏感,生存率可达90%,但由于鼻咽癌发病隐匿,大部分患者确诊时处于中晚期,转移和复发风险显著提高。因此开发灵敏准确的鼻咽癌早期无创检测技术对鼻咽癌的防治、治疗及预后评估意义重大。
目前,鼻咽癌的临床检测手段主要包括:1.EBV病原体检测:包括EBV-DNA和EBV编码的miRNA及EBV血清学抗体检测,是目前临床使用的最广泛成熟的诊断和预后判断生物标志物,但仅针对非角化型鼻咽癌患者,且敏感度欠缺和特异度均不理想。2.影像学检测:包括CT、MRI、PET/CT等,在晚期鼻咽癌预后判断中具有良好的性能,非侵入性,但特征性表现晚。3.鼻腔镜活检结合病理组织分期:是目前诊断鼻咽癌的金标准,但是病理学检查具有侵袭性,检测依赖于病理医师的经验判断,具有一定的主观性,难以对早期肿瘤或微小病灶作出准确诊断。以上手段对鼻咽癌的快速、敏感、无创、准确、早期诊断均存在一定的局限性。
因此,现有技术还有待于改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的不足,提供一种鼻咽癌单细胞检测方法、存储介质及系统,旨在解决现有鼻咽癌细胞检测方法存在侵袭性大以及准确性差的问题。
为了解决上述技术问题,本发明所采用的技术方案如下:
一种鼻咽癌单细胞检测方法,其中,包括步骤:
获取鼻咽癌样品和正常鼻咽样品的拉曼光谱;
对所述拉曼光谱进行去背景和面积归一化处理,得到标准化光谱数据;
将由鼻咽癌样品和正常鼻咽样品组成的数据集按预定比例分成两份,分别作为训练集和测试集;
对所述训练集和测试集均进行PCA分析,选取累计贡献率大于90%时的主成分个数为m个,其中m<n,定义主因子为S1、S2、……、Sm,则
S1=aX1+bX2+……+cXn
S2=dX1+eX2+……+fXn
Sm=gX1+hX2+……+iXn,其中X1、X2、……、Xn为标准化光谱数据;
采用经过PCA分析的所述训练集建立SVM模型的检测函数SVM_Model,将经过PCA分析的所述测试集输入SVM_Model中,预测样本类型,并与金标准进行比较分析,得到特异性、灵敏度及准确度;
将待检样品的检测变量X1、X2、……、Xn经PCA转换成S1、S2、……、Sm后输入所述SVM_Model中,输出结果。
所述的鼻咽癌单细胞检测方法,其中,所述鼻咽癌样品为鼻咽癌细胞样品和鼻咽癌组织样品中的一种或两种,所用细胞系样本经STR验证,患者组织样本经病理确诊。
所述的鼻咽癌单细胞检测方法,其中,获取鼻咽癌细胞样品的拉曼光谱的步骤包括:
对鼻咽癌细胞进行培养,当所述鼻咽癌细胞密度达到80%时,对所述鼻咽癌细胞进行消化并收集;
用PBS对鼻咽癌细胞进行清洗,用4%多聚甲醛固定所述鼻咽癌细胞,离心去掉固定液再加入PBS混合,得到鼻咽癌细胞样品溶液;
预先设置细胞样品采集参数,使用共聚焦显微拉曼光谱仪对所述鼻咽癌细胞样品溶液进行拉曼图谱采集,获得鼻咽癌细胞样品的拉曼图谱。
所述的鼻咽癌单细胞检测方法,其中,所述预先设置细胞样品采集参数的步骤包括:
物镜设置为100x,光栅设置为1200g/mm,图谱范围为279cm-1~2187cm-1,激光功率为9mW,单谱采集积分时间为9s。
所述的鼻咽癌单细胞检测方法,其中,所述使用共聚焦显微拉曼光谱仪对所述鼻咽癌细胞样品溶液进行拉曼图谱采集,获得鼻咽癌细胞样品的拉曼图谱的步骤包括:
将所述鼻咽癌细胞样品溶液放置于所述共聚焦显微拉曼光谱仪的显微镜载物台上,在所述显微镜中找到所述鼻咽癌细胞;
从每个所述鼻咽癌细胞样品中选取40个细胞进行拉曼图谱采集,每个细胞选取上、下、左、右、中5个位置采集拉曼光谱,即每个样品采集200个拉曼光谱。
所述的鼻咽癌单细胞检测方法,其中,获取所述鼻咽癌组织样品的拉曼光谱的步骤包括:
用4%多聚甲醛对鼻咽癌组织样品进行固定,然后用PBS对鼻咽癌组织样品进行洗涤,将洗涤后的所述鼻咽癌组织样品置于水环境中;
设置组织样品采集参数,使用氘峰CD-100拉曼光谱仪对置于水环境中的鼻咽癌组织样品进行单谱采集,每个鼻咽癌组织样品采集100个图谱。
所述的鼻咽癌单细胞检测方法,其中,所述对所述拉曼光谱进行去背景和面积归一化处理,得到标准化光谱数据的步骤包括:
对所述拉曼光谱进行求均值处理,使用自适应迭代重加权惩罚最小二乘法扣除荧光背景,采用SPSS2018软件对所述拉曼光谱进行比对获得差异,得到标准化光谱数据。
所述的鼻咽癌单细胞检测方法,其中,所述将鼻咽癌样品和正常鼻咽样品的标准化光谱数据随机混合后按预定比例分成两份,分别作为训练集和测试集的步骤包括:
将所述鼻咽癌样品和正常鼻咽样品的标准化光谱数据随机混合后按照1:3的比例分成两份,75%的标准化光谱数据作为训练集,25%的标准化光谱数据作为测试集,所述训练集和测试集均包括鼻咽癌样品和正常鼻咽样品。
一种存储介质,其中,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现本发明所述鼻咽癌单细胞检测方法中的步骤。
一种鼻咽癌单细胞检测系统,其中,包括处理器,适于实现各指令;以及存储介质,适于存储多条指令,所述指令适于由处理器加载并执行本发明所述鼻咽癌单细胞检测方法中的步骤。
有益效果:本发明提出了一种鼻咽癌单细胞检测方法,首先通过单细胞拉曼显微光谱技术获取鼻咽癌样本和鼻咽正常样品的拉曼光谱,然后基于所述拉曼光谱构建SVM模型的检测函数SVM_Model,最后基于构建的所述检测函数SVM_Model对待检样品的拉曼光谱进行检测并输出检测结果,从而判断待检测样本是否含有鼻咽癌单细胞。本发明提供的方法具有快捷、高效、准确、无标记、非侵入性等优点。
附图说明
图1为本发明提供的一种鼻咽癌单细胞检测方法较佳实施例的流程图。
图2为本发明鼻咽癌细胞与永生化鼻咽上皮细胞的拉曼光谱图。
图3为拉曼光谱不同波长物质分布特征图。
图4为鼻咽癌细胞与永生化鼻咽上皮细胞潜在生物标志物的鉴定。
图5为NPEC1-BMI1和CNE1细胞中核酸和脂质分布图谱。
图6为鼻咽癌组织与鼻咽炎组织的拉曼光谱图。
图7为训练集中鼻咽癌细胞与永生化鼻咽上皮细胞拉曼光谱数对比图。
图8为鼻咽癌细胞与永生化鼻咽上皮细胞拉曼光谱SVM-PCA多元统计分析结果图。
图9为训练集中鼻咽癌组织与鼻咽炎组织拉曼光谱数对比图。
图10为鼻咽癌组织与鼻咽炎组织拉曼光谱SVM-PCA多元统计分析结果图。
图11为本发明提供的一种鼻咽癌单细胞检测系统的原理图。
具体实施方式
本发明提供一种鼻咽癌单细胞检测方法、存储介质及系统,为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
单细胞拉曼显微光谱是一种快速的非破坏性振动光谱方法,每个细胞的拉曼光谱都由细胞成分决定。拉曼光谱记录了系统中分子固有特性的振动、旋转和其他低频模式,它能代表分子或系统的化学指纹。根据不同细胞的拉曼光谱能够揭示单个细胞的固有化学信息,所有生化组分信息的叠加构成了激光焦点中细胞的拉曼光谱。恶性肿瘤组织和正常组织的蛋白质、核酸、脂肪等成份分子结构不同,单细胞拉曼显微光谱具有无损,无标记,无水干扰性和快速的诊疗的优势,对肿瘤细胞间细微差异的检测及肿瘤生物标志物探索具有重要的应用价值。
基于此,本发明提供了一种基于拉曼显微光谱的鼻咽癌单细胞检测方法,如图1所示,其包括步骤:
S10、获取鼻咽癌样品和正常鼻咽样品的拉曼光谱;
S20、对所述拉曼光谱进行去背景和面积归一化处理,得到标准化光谱数据;
S30、将由鼻咽癌样品和正常鼻咽样品组成的数据集按预定比例随机分成两组,分别作为训练集和测试集;
S40、对所述训练集和测试集均进行PCA分析,选取累计贡献率大于90%时的主成分个数为m个,其中m<n,定义主因子为S1、S2、……、Sm,则
S1=aX1+bX2+……+cXn
S2=dX1+eX2+……+fXn
Sm=gX1+hX2+……+iXn,其中X1、X2、……、Xn为标准化光谱数据;
S50、采用经过PCA分析的所述训练集建立SVM模型的检测函数SVM_Model,将经过PCA分析的所述测试集输入SVM_Model中,预测样本类型,并与金标准进行比较分析,得到特异性、灵敏度及准确度。
S60、将待检样品的检测变量X1、X2、……、Xn经PCA转换成S1、S2、……、Sm后输入所述SVM_Model中,输出结果。
在本实施例中,首先通过单细胞拉曼显微光谱技术获取鼻咽癌样本和鼻咽正常样品的拉曼光谱,单细胞拉曼显微光谱技术测定单个细胞分子表征速度快,几秒钟即可得到一个细胞的拉曼光谱。该技术可以对规模小至0.5-1.0μm微量样品进行分析,能够实现光谱与三维图像相结合的定性、定量与定位分析,对待测样本无破坏,无标记,即可完整获取单个细胞分子水平化学指纹图谱,从而在细胞和组织水平区分癌变程度。恶性肿瘤组织和正常组织的蛋白质、核酸、脂肪等成份分子结构不同,根据光谱的不同对于筛选肿瘤标志物具有重要探索价值;
然后基于所述拉曼光谱构建SVM模型的检测函数SVM_Model,最后基于构建的所述检测函数SVM_Model对待检样品的拉曼光谱进行检测并输出检测结果,从而判断待检测样本是否含有鼻咽癌单细胞。本发明提供的方法具有快捷、高效、准确、无标记、非侵入性等优点。
在一些实施方式中,本发明中的鼻咽癌样品为鼻咽癌细胞样品和鼻咽癌组织样品中的一种或两种;本发明中的鼻咽正常样品为永生化鼻咽上皮细胞样品和鼻咽炎组织中的一种或两种。所用细胞系样本经STR验证,患者组织样本经病理确诊。
在一些实施方式中,获取鼻咽癌细胞样品的拉曼光谱的步骤包括:
对鼻咽癌细胞进行培养,当所述鼻咽癌细胞密度达到80%时,对所述鼻咽癌细胞进行消化并收集;
用PBS对鼻咽癌细胞进行清洗,用4%多聚甲醛固定所述鼻咽癌细胞,离心去掉固定液再加入PBS混合,得到鼻咽癌细胞样品溶液;
预先设置细胞样品采集参数,使用共聚焦显微拉曼光谱仪对所述鼻咽癌细胞样品溶液进行拉曼图谱采集,获得鼻咽癌细胞样品的拉曼图谱。
具体来讲,首先拉曼光谱样品的制备包括:
1)6孔板铺板NPEC1 BMI-1、6-10B、5-8F、SUNE-1、CNE1、CNE2、HK1和C666-1,每个细胞株重复两个孔,24h收集(细胞密度达到80%),3批重复,其中,NPEC1 BMI-1为永生化鼻咽上皮细胞样品,6-10B、5-8F、SUNE-1、CNE1、CNE2、HK1和C666-1均为鼻咽癌细胞样品;
2)细胞消化后,用PBS洗一遍,用4%多聚甲醛固定10-15min,离心去掉固定液,加PBS洗涤一遍,最后加2ml PBS重悬;
3)、每个样品各取1ml样品,离心去掉上清,加1ml无菌水洗涤,5000rpm离心2min,去上清,重复洗涤步骤3次,最后加1ml无菌水使细胞重悬,取2μl细胞悬液点样在镀铝载玻片上,风干后进行拉曼检测。
其次,细胞样品的拉曼光谱测定包括步骤:
1)、使用共聚焦显微拉曼光谱仪(Witec a300)对样品进行拉曼图谱采集,采集前先用硅片对光谱仪进行校准,使硅的峰位位于520.73cm-1。
2)、设置细胞样品采集参数,物镜:100x,光栅:1200g/mm,图谱范围:279cm-1~2187cm-1,激光功率:9mW,单谱采集积分时间:9s。
3)、将样品放置于拉曼光谱仪显微镜载物台上,在显微镜中找到细胞,每个样品选取40个细胞进行拉曼图谱采集,每个细胞选取上、下、左、右、中5个位置采集拉曼光谱,即每个样品采集200个拉曼光谱。
通过本实施例方法获得的拉曼光谱如图2所示,从图2可以看出,NPEC1BMI-1细胞的在不同波峰的光谱强度最低,5-8F、6-10B、SUNE-1、CNE1、CNE2、C666-1和HK1在不同波峰的光谱强度依次增强。其中,拉曼光谱的不同波长与物质分布特征如图3所示;鼻咽癌细胞与永生化鼻咽上皮细胞拉曼光谱不同波长的特征分布如图4所示。
在一些实施方式中,使用wetic Alpha拉曼光谱仪对细胞进行mapping数据采集,每个样品选取2个细胞做mapping。采集条件设置,图谱波数范围:190-3947cm-1,激光功率:8mw,积分时间0.5s,步长500nm。其中,NPEC1-BMI1和CNE1细胞中核酸和脂质分布图谱如图5所示。
在一些实施方式中,获取所述鼻咽癌组织样品的拉曼光谱的步骤包括:
用4%多聚甲醛对鼻咽癌组织样品进行固定,然后用PBS对鼻咽癌组织样品进行洗涤,将洗涤后的所述鼻咽癌组织样品置于水环境中;
设置组织样品采集参数,使用氘峰CD-100拉曼光谱仪对置于水环境中的鼻咽癌组织样品进行单谱采集,每个鼻咽癌组织样品采集100个图谱。
本实施例中,组织样品采集参数设置为光栅:1200g/mm,图谱波数范围:-100-3725cm-1,截取图谱波数范围:300-1800,激光功率:2mw,积分时间:20s。
通过本实施例方法可获得鼻咽癌组织样品(T1、T2、T3、T4、T5、T6、T7)和鼻咽正常组织样品(N1、N2、N3、N4、N5、N6)的拉曼光谱,如图6所示,从图6可以看出,鼻咽正常组织样品在不同波峰的光谱强度低于鼻咽癌组织样品在不同波峰的光谱强度。
在一些实施方式中,对所述拉曼光谱进行去背景和面积归一化处理,得到标准化光谱数据的步骤包括:对所述拉曼光谱进行求均值处理,使用自适应迭代重加权惩罚最小二乘法扣除荧光背景,采用SPSS2018软件对所述拉曼光谱进行比对获得差异,得到标准化光谱数据。
在一些实施方式中,将所述鼻咽癌样品和正常鼻咽样品的标准化光谱数据随机混合后按照1:3的比例分成两份,75%的标准化光谱数据作为训练集,25%的标准化光谱数据作为测试集,所述训练集和测试集均包括鼻咽癌样品和正常鼻咽样品。
在一些实施方式中,对所述训练集中的标准化光谱数据进行整理,生成表1数据,其中N1、N2、……、Nn为正常样本,T1、T2、……、Tn为鼻咽癌样本,X1、X2、……、Xn为标准化后拉曼光谱的强度值。
表1标准化后的矩阵分布
采用R语言princomp()函数对表1数据进行PCA分析,选取累计贡献率大于90%时的主成分个数为m个,其中m<n,定义主因子为S1、S2、……、Sm,则:
S1=aX1+bX2+……+cXn
S2=dX1+eX2+……+fXn
Sm=gX1+hX2+……+iXn
经过PCA处理,生成表2数据,
表2 PCA后的矩阵分布
根据R语言包libsvm的操作说明,采用经过PCA分析的所述训练集建立SVM模型的检测函数SVM_Model,将经过PCA分析的所述测试集输入SVM_Model中,预测样本类型,并与标准检测结果进行比较分析,根据受试者工作特征曲线选择诊断参数;将待检样品的检测变量X1、X2、……、Xn经PCA转换成S1、S2、……、Sm后输入所述SVM_Model中,输出结果,从而判定所述待检样品是否为鼻咽癌样品。
在一些具体的实施方式中,如图7所示,所述训练集中包括鼻咽癌细胞样品(NPC)的标准化光谱数据为4702,包括永生化鼻咽上皮细胞(NPEC1-BMI1)的标准化光谱数据为635。
基于所述训练集,对所述鼻咽癌细胞与永生化鼻咽上皮细胞拉曼光谱进行SVM-PCA多元统计分析,结果如图8所示,从图8可以看出,本实施例对待检样品是否为鼻咽癌样品的判断准确率为97.85%。
在一些具体的实施方式中,如图9所示,所述训练集中包括鼻咽癌组织样本的标准化光谱数据为847,包括鼻咽炎组织的标准化光谱数据为598。基于所述训练集,对所述鼻咽癌组织与鼻咽炎组织拉曼光谱进行SVM-PCA多元统计分析,结果如10所示,本实施例对待检样品是否为鼻咽癌样品的判断准确率为93.35%。
在一些实施方式中,还提供一种存储介质,其中,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现本发明所述鼻咽癌单细胞检测方法中的步骤。
在一些实施方式中,还提供一种鼻咽癌单细胞检测系统,如图11所示,其包括至少一个处理器(processor)20;显示屏21;以及存储器(memory)22,还可以包括通信接口(Communications Interface)23和总线24。其中,处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令,以执行上述实施例中的方法。
此外,上述的存储器22中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
存储器22作为一种计算机可读存储介质,可设置为存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序指令或模块。处理器20通过运行存储在存储器22中的软件程序、指令或模块,从而执行功能应用以及数据处理,即实现上述实施例中的方法。
存储器22可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器。例如,U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等多种可以存储程序代码的介质,也可以是暂态存储介质。
此外,上述存储介质以及终端设备中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明,在这里就不再一一陈述。
综上所述,本发明提出了一种鼻咽癌单细胞检测方法,首先通过单细胞拉曼显微光谱技术获取鼻咽癌样本和鼻咽正常样品的拉曼光谱,然后基于所述拉曼光谱构建SVM模型的检测函数SVM_Model,最后基于构建的所述检测函数SVM_Model对待检样品的拉曼光谱进行检测并输出检测结果,从而判断待检测样本是否含有鼻咽癌单细胞。本发明提供的方法具有快捷、高效、准确、无标记、非侵入性等优点。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (2)
1.一种鼻咽癌单细胞检测系统,其特征在于,包括处理器,适于实现各指令;以及存储介质,适于存储多条指令,所述指令适于由处理器加载并执行步骤,包括:
获取鼻咽癌样品和正常鼻咽样品的拉曼光谱;
对所述拉曼光谱进行求均值处理,使用自适应迭代重加权惩罚最小二乘法扣除荧光背景,采用SPSS2018软件对所述拉曼光谱进行比对获得差异,得到标准化光谱数据;
将由鼻咽癌样品和正常鼻咽样品组成的数据集按预定比例随机分成两组,分别作为训练集和测试集;
对所述训练集和测试集均进行PCA分析,选取累计贡献率大于90%
时的主成分个数为m个,其中mn,定义主因子为S1、S2、……、Sm,则S1=aX1+bX2+ …… +cXn
S2=dX1+eX2+ …… + fXn
Sm=gX1+hX2+ …… + iXn,其中X1、X2、……、Xn为标准化光谱数据;
采用经过PCA分析的所述训练集建立SVM模型的检测函数SVM_Model,将经过PCA分析的所述测试集输入SVM_Model中,预测样本类型,并与金标准进行比较分析,得到特异性、灵敏度及准确度;
将待检样品的检测变量X1、X2、 …… 、Xn 经PCA转换成 S1、S2、……、Sm后输入所述SVM_Model中,输出结果;
其中,所述鼻咽癌样品为鼻咽癌细胞样品,所述正常鼻咽样品为永生化鼻咽上皮细胞样品,所用细胞系样本经STR验证;
获取鼻咽癌细胞样品的拉曼光谱的步骤包括:
对鼻咽癌细胞进行培养,当所述鼻咽癌细胞密度达到80%时,对所述鼻咽癌细胞进行消化并收集;
用PBS对鼻咽癌细胞进行清洗,用4%多聚甲醛固定所述鼻咽癌细胞,离心去掉固定液再加入PBS混合,得到鼻咽癌细胞样品溶液;
物镜设置为100x,光栅设置为1200g/mm,图谱范围为279 cm-1~2187 cm-1,激光功率为9mW,单谱采集积分时间为9 s,将所述鼻咽癌细胞样品溶液放置于共聚焦显微拉曼光谱仪的显微镜载物台上,在所述显微镜中找到所述鼻咽癌细胞;从每个所述鼻咽癌细胞样品中选取40个细胞进行拉曼图谱采集,每个细胞选取上、下、左、右、中5个位置采集拉曼光谱,即每个样品采集200个拉曼光谱,获得鼻咽癌细胞样品的拉曼图谱;
所述将由鼻咽癌样品和正常鼻咽样品组成的数据集按预定比例随机分成两组,分别作为训练集和测试集的步骤包括:将由鼻咽癌样品和正常鼻咽样品组成的数据集按照1:3的比例分成两份,75%的标准化光谱数据作为训练集,25%的标准化光谱数据作为测试集,所述训练集和测试集均包括鼻咽癌样品和正常鼻咽样品的标准化光谱数据;
所述鼻咽癌细胞与永生化鼻咽上皮细胞的潜在生物标志物为糖原、核酸、酪氨酸、总脂质,其拉曼光谱波数分别为490cm-1、781cm-1、1174cm-1、1446cm-1。
2.一种存储介质,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1所述鼻咽癌单细胞检测系统中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110120055.6A CN113267482B (zh) | 2021-01-28 | 2021-01-28 | 一种鼻咽癌单细胞检测方法、存储介质及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110120055.6A CN113267482B (zh) | 2021-01-28 | 2021-01-28 | 一种鼻咽癌单细胞检测方法、存储介质及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113267482A CN113267482A (zh) | 2021-08-17 |
CN113267482B true CN113267482B (zh) | 2023-07-25 |
Family
ID=77228032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110120055.6A Active CN113267482B (zh) | 2021-01-28 | 2021-01-28 | 一种鼻咽癌单细胞检测方法、存储介质及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113267482B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008100582A2 (en) * | 2007-02-14 | 2008-08-21 | Chemimage Corporation | Spectroscopic system and method for predicting outcome of disease |
GB2466442A (en) * | 2008-12-18 | 2010-06-23 | Dublin Inst Of Technology | A system to analyze a sample on a slide using Raman spectroscopy on an identified area of interest |
CN111433592B (zh) * | 2017-12-13 | 2023-09-15 | 株式会社堀场制作所 | 辨别方法、辨别装置以及记录介质 |
CN110874548A (zh) * | 2018-08-31 | 2020-03-10 | 天津理工大学 | 一种基于拉曼光谱结合svm的肺癌细胞与正常细胞的识别方法 |
CN110702664A (zh) * | 2019-10-31 | 2020-01-17 | 上海氘峰医疗器械有限公司 | 一种快速鉴定细菌革兰氏阴阳性的方法 |
-
2021
- 2021-01-28 CN CN202110120055.6A patent/CN113267482B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113267482A (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Palmer et al. | Comparison of multiexcitation fluorescence and diffuse reflectance spectroscopy for the diagnosis of breast cancer (March 2003) | |
Hu et al. | Raman spectra exploring breast tissues: Comparison of principal component analysis and support vector machine‐recursive feature elimination | |
JP6063447B2 (ja) | 細胞におけるバイオマーカーの発現のクラスターによる解析 | |
JP2018502275A (ja) | 分析の最適化および相関性の利用を含む、生体試料の分類方法および分類システム | |
JP2004519659A (ja) | 生体データから隠れたパターンに基づいて生物学的状態相互間を区別する方法 | |
Siqueira et al. | A decade (2004–2014) of FTIR prostate cancer spectroscopy studies: An overview of recent advancements | |
CN101194166A (zh) | 有关乳癌分类的材料和方法 | |
WO2013162773A9 (en) | Quantitation of biomarkers for the detection of prostate cancer | |
JP6208121B2 (ja) | インサイツ分析用に調製された癌細胞の核病理学的特徴を測定するためのスペクトルイメージング | |
JP2014530594A5 (zh) | ||
CN113267482B (zh) | 一种鼻咽癌单细胞检测方法、存储介质及系统 | |
CN113514530A (zh) | 一种基于敞开式离子源的甲状腺恶性肿瘤诊断系统 | |
Avşar et al. | A comparative performance evaluation of imputation methods in spatially resolved transcriptomics data | |
CN111220575A (zh) | 一种基于太赫兹近场光谱的细胞检测方法 | |
US10551321B2 (en) | Device and method for detecting and/or evaluating pathological states | |
US9903869B2 (en) | Device and method for analyzing a sample for the identification of prostate tumours | |
JP2015512522A (ja) | 分光システムの性能を測定するための方法 | |
Mamede et al. | Breast cancer or surrounding normal tissue? A successful discrimination by FTIR or Raman microspectroscopy | |
Jachtenberg et al. | Raman spectroscopy can discriminate distinct glioma subtypes as defined by RNA expression profiling | |
Chen et al. | Detection of nasopharyngeal cancer cells using the laser tweezer Raman spectroscopy technology | |
CN114529755B (zh) | 用于测试甲状腺乳头状癌的系统 | |
CN116416471A (zh) | 乳腺上皮纤维肿瘤样本分类模型构建方法及其构建系统 | |
Dai et al. | Accurate categorization and rapid pathological diagnosis correction with Micro-Raman technique in human lung adenocarcinoma infiltration level | |
Irungu et al. | Concurrent Machine learning Assisted Raman Spectroscopy of Whole Blood and Saliva for Breast Cancer Diagnostics | |
Githaiga et al. | Concurrent Machine learning Assisted Raman Spectroscopy of Whole Blood and Saliva for Breast Cancer Diagnostics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |