CN113324968A - 一种基于拉曼光谱的结直肠癌错配修复蛋白表达的检测方法 - Google Patents
一种基于拉曼光谱的结直肠癌错配修复蛋白表达的检测方法 Download PDFInfo
- Publication number
- CN113324968A CN113324968A CN202110357929.XA CN202110357929A CN113324968A CN 113324968 A CN113324968 A CN 113324968A CN 202110357929 A CN202110357929 A CN 202110357929A CN 113324968 A CN113324968 A CN 113324968A
- Authority
- CN
- China
- Prior art keywords
- colorectal cancer
- raman spectrum
- mismatch repair
- tissue
- repair protein
- 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.)
- Pending
Links
- 208000001333 Colorectal Neoplasms Diseases 0.000 title claims abstract description 43
- 206010009944 Colon cancer Diseases 0.000 title claims abstract description 42
- 238000001237 Raman spectrum Methods 0.000 title claims abstract description 29
- 230000033607 mismatch repair Effects 0.000 title claims abstract description 29
- 108090000623 proteins and genes Proteins 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 title claims abstract description 26
- 102000004169 proteins and genes Human genes 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000001069 Raman spectroscopy Methods 0.000 claims abstract description 17
- 238000012360 testing method Methods 0.000 claims abstract description 13
- 238000012706 support-vector machine Methods 0.000 claims abstract description 11
- 238000011532 immunohistochemical staining Methods 0.000 claims abstract description 10
- 238000006073 displacement reaction Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000008014 freezing Effects 0.000 claims abstract description 7
- 238000007710 freezing Methods 0.000 claims abstract description 7
- 238000003384 imaging method Methods 0.000 claims abstract description 6
- 238000012937 correction Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- JJWKPURADFRFRB-UHFFFAOYSA-N carbonyl sulfide Chemical compound O=C=S JJWKPURADFRFRB-UHFFFAOYSA-N 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 claims 1
- 238000013135 deep learning Methods 0.000 claims 1
- 238000009499 grossing Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 8
- 239000011521 glass Substances 0.000 abstract description 3
- 239000003153 chemical reaction reagent Substances 0.000 abstract 1
- 238000001228 spectrum Methods 0.000 description 9
- 201000011510 cancer Diseases 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000012472 biological sample Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000010076 replication Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 206010059866 Drug resistance Diseases 0.000 description 1
- 206010027476 Metastases Diseases 0.000 description 1
- 101100512532 Mus musculus Atf7ip2 gene Proteins 0.000 description 1
- 208000008425 Protein deficiency Diseases 0.000 description 1
- 108010026552 Proteome Proteins 0.000 description 1
- 206010066901 Treatment failure Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000000427 antigen Substances 0.000 description 1
- 108091007433 antigens Proteins 0.000 description 1
- 102000036639 antigens Human genes 0.000 description 1
- 239000002246 antineoplastic agent Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 229940044683 chemotherapy drug Drugs 0.000 description 1
- 238000000794 confocal Raman spectroscopy Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 210000004602 germ cell Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000013115 immunohistochemical detection Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000012188 paraffin wax Substances 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000002331 protein detection Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 230000009870 specific binding Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 239000001993 wax Substances 0.000 description 1
Images
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/04—Devices for withdrawing samples in the solid state, e.g. by cutting
- G01N1/06—Devices for withdrawing samples in the solid state, e.g. by cutting providing a thin slice, e.g. microtome
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/42—Low-temperature sample treatment, e.g. cryofixation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
- G01N2001/2873—Cutting or cleaving
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种基于拉曼光谱的结直肠癌错配修复蛋白表达的检测方法，待测结直肠癌组织经过快速冰冻、切片相邻2片、固定于载玻片上，再经过共聚焦拉曼光谱仪进行单点测试和成像测试，获得原始拉曼光谱位移的数据，同时对应的另一片组织进行固定、免疫组织化学染色来确定该组织错配修复蛋白表达情况，使用支持向量机处理获得拉曼位移数据，根据免疫组织化学染色结果进行分类，建立数据库，根据数据库分类的基础通过拉曼光谱检测结果对新检测的组织进行分类进而判断出对应组织错配修复蛋白的表达情况。本发明中的检测方法中，组织样本处理过程简便，后期无试剂消耗，快速检测、简便、精度高、成本低。
Description
技术领域
本发明涉及医疗检测技术领域，具体来说，涉及一种基于拉曼光谱的结直肠癌错配修复蛋白表达的检测方法。
背景技术
结直肠癌(Colorectal cancer,CRC)是人类高发恶性肿瘤之一，其发病率一直呈上升趋势，全球每年患结直肠癌的病例超过1亿人，在全球恶性肿瘤发病率中已上升至第三位，其死亡率居恶性肿瘤死因的第二位。在我国，结直肠癌的发病率和死亡率均保持上升趋势，其发病递增速度为世界平均数的两倍，已位于我国恶性肿瘤发病率的第三位，严重危害人类健康。目前，结直肠癌的治疗手段以手术治疗为主，辅以全身或局部化疗、放疗等治疗手段，肿瘤的复发、转移是引起病人死亡、治疗失败的主要原因。结直肠癌的发病原因往往是由基因的内在因素与环境因素共同作用的结果。研究发现很多结直肠癌具有家族聚集的特征，也就是具有遗传因素，比如说林奇综合征，是由错配修复基因胚系突变引起对应的错配修复蛋白表达缺陷，导致细胞复制过程中自我校正、修改的功能障碍，导致错配基因的存在和复制，引起肿瘤的发生、发展。近些年有诸多研究报道，错配修复蛋白表达缺失的结直肠癌容易引起对化疗药物5-fu的耐药，错配修复蛋白的表达情况对结直肠癌的诊治至关重要，因此国内外很多指南把错配修复蛋白检测作为结直肠癌的常规检测。目前的检测方法主要通过免疫组织化学染色的方法，利用抗原与抗体特异性结合的特性，经过十几个步骤、经历数天检测过程。因此该方法存在费用较高、过程复杂、耗时长的缺点。
拉曼光谱是一种光子与待测物质的分子或者官能团发生弹性碰撞而产生的散射光谱。该现象在1923年被德国科学家预测，1928年被印度科学家拉曼先生实际观察到，拉曼并因此获得诺贝尔奖。光在照射介质时，会与介质发生作用从而产生反射、吸收、散射、透射、发射等光学效应和现象。拉曼光谱信息即是光与介质作用产生散射的光谱，其特征与光谱信息与介质的相互作用、内部结构等相关。拉曼散射过程中入射光的频率与散射光的频率差值成为拉曼位移，对于同一种物质，其拉曼位移是唯一的，不会随着入射光的频率的改变而改变，所以拉曼位移仅与被检测物质分子本身相关。由于构成被检测物质的分子相同，所以每种分子的拉曼位移是特定的。与红外光谱相比，拉曼光谱具有受水影响小的特点。同时拉曼光谱检测生物组织时，只需要组织冰冻并切片，不需要普通免疫组织化学检测所需要的固定、包埋、脱蜡、抗原抗体反应等复杂过程，因此拉曼光谱检测生物样本具有快捷、经济、方便等特点。
支持向量机(SVM)是机器学习算法中应用最为广泛的一种二分类计算方法，因为该算法具有健壮性强，准确率高的特点，它既可以支持数据的线性分类也可以对非线性分类数据进行分类。它的工作原理是在寻找最大间隔的优化模型。SVM算法成熟、稳定，被很多行业使用。
目前常规检测方法是通过将结直肠癌组织病理固定、石蜡包埋、脱蜡、脱水等多个步骤，利用抗原抗体反应获得检测结果。目前方法存在过程复杂、繁琐、耗时长、费用高等不足。
因此把拉曼光谱检测生物样本快捷、高效、经济、方便的特点应用到结直肠癌错配修复蛋白缺失情况检测，所得数据经过SVM处理后，可以实现快速、经济、方便的得到检测结果。该方法对临床工作及患者具有很好的指导意义，具有可观的经济效益。
发明内容
本发明的目的在于提供一种基于拉曼光谱的结直肠癌错配修复蛋白表达的检测方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于拉曼光谱的结直肠癌错配修复蛋白表达的检测方法，包括以下步骤：
步骤1，制备获得结直肠癌的样片。
步骤2，对于上述样片的结直肠癌冰冻组织进行单点测试和成像测试，获得原始拉曼光谱位移的数据。
步骤3，对步骤2获得原始拉曼光谱位移数据进行处理，获得处理后的拉曼光谱数据；其中，所述处理包括去衬底预处理、归一化处理。
步骤4，对于同一蜡块的组织进行免疫组织化学染色，每个组织均检测4个常见的错配修复蛋白的免疫组织化学染色。
步骤5，对步骤3中处理后获得的拉曼光谱数据采用支持向量机进行数据分析，将相同类型的结直肠癌组织的拉曼光谱位移数据汇聚，完成分类、检测。
本发明的进一步改进在于，步骤1的具体包括:步骤1.1，将离体结直肠癌组织进行冰冻；步骤1.2，将冰冻后的结直肠癌组织进行切片，放于载玻片上待检测。
本发明的进一步改进在于，步骤1.1中所述结直肠癌组织进行冰冻方法包括：取刚刚离体组织在-20℃快速冷冻；步骤1.2具体包括将冰冻刚刚离体组织在切片机切成薄厚约5um左右的切片，将切片贴敷于石英或者玻璃载玻片上。
本发明的进一步改进在于，步骤2中的所述进行单点测试和成像测试具体包括：使用共聚焦拉曼光谱仪进行单点测试和成像测试。
本发明的进一步改进在于，步骤2中，进行单点测试和成像测试时包括：对组织进行600cm-1-2000cm-1波段进行单点测试；若出现蛋白质组峰及核酸组峰则跳转执行步骤3，否则跳转执行步骤1。
本发明进一步改进在于，步骤5中分类是根据大量免疫组化学产生的错配修复蛋白的结果，建立分类的标准。
本发明进一步改进在于，步骤5具体步骤包括：采用支持向量机对步骤3处理后的拉曼光谱数据进行分析，将相同类型的组织的光谱以相同颜色的数据节点汇聚在一起，获得结直肠癌组织中不同类型组织对应的判别散点分布图，完成分类、检测，建立对应数据库。
步骤具体包括：建立相应数据库后，以数据库为基础，同样采取步骤1、2、3中的方法进行检测，将获得数据与数据库中的数据对比分析，完成分类、检测，出具对用的检测报告。
与现有技术相比，本发明具有以下有益效果：本发明通过将离体组织冷冻、切片后通过拉曼光谱检测，过程简单、耗时短、经济。本发明的方法可以提高检测判断的准确率，同时有助于提高出具报告的效率，节省费用。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种基于拉曼光谱的结直肠癌错配修复蛋白表达的检测方法的原理示意图。
图2是本实施例中错配修复蛋白全表达和表达缺失PSM2的平均光谱图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做出进一步的描述：
请参阅图1-2，根据本发明实施例的一种基于拉曼光谱的结直肠癌错配修复蛋白表达的检测方法,具体包括如下步骤：
(1)取新鲜离体的结直肠癌组织，大小约2.0cm*2.0cm，在液氮中速冻10-20秒。
(2)取速冻的组织用恒温冷冻切片机切成厚度约5um的切片，取2片。
(3)取其中1片，置于共聚焦拉曼光谱仪下检测，每个组织检测100个位点，获得相应的拉曼位移图谱，对图谱进行去宇宙射线、滤波、校正。
(4)将第1片紧邻的2片组织，按免疫组化的步骤，分别通过免疫组织化学染色获得对应的错配修复蛋白的表达情况。
(5)将对应的图谱按照免疫组织化学染色得到的错配修复蛋白表达缺失情况进行分类，建立对应的拉曼位移光谱数据库。
(6)通过支持向量机对新检测的组织进行分类，实现结直肠癌组织的错配修复蛋白表达缺失快速检测的目的。
检测结果参照图2，其中S1为错配修复蛋白表达无缺失的拉曼光谱位移图谱，S2、S3均为表错配修复蛋白表达缺失的拉曼光谱位移图谱。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限定本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于拉曼光谱的结直肠癌错配修复蛋白表达的检测方法，其特征在于，包括以下步骤：
(1)制备获得结直肠癌的组织样片；
(2)对于上述样片的结直肠癌冰冻组织进行单点测试和成像测试，获得原始拉曼光谱位移的数据；
(3)对于(2)获得原始拉曼光谱位移数据进行处理，获得处理后的拉曼光谱数据；
(4)对于同一块的组织进行免疫组织化学染色，每个组织均检测4个常见的错配修复蛋白的免疫组织化学染色；
(5)对(3)中处理后获得的拉曼光谱数据采用支持向量机进行数据分析，将相同类型的结直肠癌组织的拉曼光谱位移数据汇聚，完成分类、检测。
2.根据权利要求1所述的一种基于拉曼光谱的结直肠癌错配修复蛋白表达的检测方法，其特征在于，所述步骤(1)、(2)中的结直肠癌组织进行冰冻后切片，切片厚度5um。
3.根据权利要求1所述的一种基于拉曼光谱的结直肠癌错配修复蛋白表达的检测方法，其特征在于，所述步骤(3)中的拉曼光谱数据处理包括：去宇宙射线、平滑、滤波和校正。
4.根据权利要求1所述的一种基于拉曼光谱的结直肠癌错配修复蛋白表达的检测方法，其特征在于，所述步骤(4)中免疫组织化学染色为同一本组织，步骤(5)数据分析包括支持向量机、人工智能学习、深度学习数据分类方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110357929.XA CN113324968A (zh) | 2021-04-01 | 2021-04-01 | 一种基于拉曼光谱的结直肠癌错配修复蛋白表达的检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110357929.XA CN113324968A (zh) | 2021-04-01 | 2021-04-01 | 一种基于拉曼光谱的结直肠癌错配修复蛋白表达的检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113324968A true CN113324968A (zh) | 2021-08-31 |
Family
ID=77414551
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110357929.XA Pending CN113324968A (zh) | 2021-04-01 | 2021-04-01 | 一种基于拉曼光谱的结直肠癌错配修复蛋白表达的检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113324968A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117471101A (zh) * | 2023-12-28 | 2024-01-30 | 中国科学院烟台海岸带研究所 | 基于多通道拉曼探针肿瘤msi错配修复蛋白的检测方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102016589A (zh) * | 2008-03-14 | 2011-04-13 | 迪纳公司 | 与三阴性乳腺癌有关的dna修复蛋白及其使用方法 |
| CN102621324A (zh) * | 2012-04-05 | 2012-08-01 | 武汉康迈生物技术有限公司 | 一种结直肠癌的免疫组织化学染色检测试剂盒及应用 |
| CN104620107A (zh) * | 2012-07-17 | 2015-05-13 | 通用电气公司 | 检测生物样品中dna、rna和蛋白质的方法 |
| CN105263414A (zh) * | 2012-10-26 | 2016-01-20 | 不列颠哥伦比亚癌症局分支机构 | 用于以高频率拉曼光谱检测结肠肿瘤形成的方法和装置 |
| CN108872182A (zh) * | 2018-03-16 | 2018-11-23 | 广东医科大学 | 一种基于sers的循环肿瘤细胞检测方法 |
| CN110208238A (zh) * | 2019-03-27 | 2019-09-06 | 天津理工大学 | 一种基于svm模型结合图像对肺癌组织的精确定位方法 |
| CN111707656A (zh) * | 2020-06-29 | 2020-09-25 | 陕西未来健康科技有限公司 | 一种基于拉曼散射光谱的脑脊液细胞检测方法及系统 |
| CN111721751A (zh) * | 2020-06-30 | 2020-09-29 | 四川大学华西医院 | 一种检测结直肠恶性肿瘤的装置 |
-
2021
- 2021-04-01 CN CN202110357929.XA patent/CN113324968A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102016589A (zh) * | 2008-03-14 | 2011-04-13 | 迪纳公司 | 与三阴性乳腺癌有关的dna修复蛋白及其使用方法 |
| CN102621324A (zh) * | 2012-04-05 | 2012-08-01 | 武汉康迈生物技术有限公司 | 一种结直肠癌的免疫组织化学染色检测试剂盒及应用 |
| CN104620107A (zh) * | 2012-07-17 | 2015-05-13 | 通用电气公司 | 检测生物样品中dna、rna和蛋白质的方法 |
| CN105263414A (zh) * | 2012-10-26 | 2016-01-20 | 不列颠哥伦比亚癌症局分支机构 | 用于以高频率拉曼光谱检测结肠肿瘤形成的方法和装置 |
| CN108872182A (zh) * | 2018-03-16 | 2018-11-23 | 广东医科大学 | 一种基于sers的循环肿瘤细胞检测方法 |
| CN110208238A (zh) * | 2019-03-27 | 2019-09-06 | 天津理工大学 | 一种基于svm模型结合图像对肺癌组织的精确定位方法 |
| CN111707656A (zh) * | 2020-06-29 | 2020-09-25 | 陕西未来健康科技有限公司 | 一种基于拉曼散射光谱的脑脊液细胞检测方法及系统 |
| CN111721751A (zh) * | 2020-06-30 | 2020-09-29 | 四川大学华西医院 | 一种检测结直肠恶性肿瘤的装置 |
Non-Patent Citations (2)
| Title |
|---|
| 罗舒文 等: "基于拉曼光谱和多元统计分析技术的结肠癌早期诊断", 《发光学报》, vol. 34, no. 11, 30 November 2013 (2013-11-30), pages 1 - 3 * |
| 谭学贤 等: "四种错配修复基因蛋白在结直肠癌中的表达及临床意义", 《现代生物医学进展》, vol. 17, no. 23, 31 August 2017 (2017-08-31), pages 1 - 3 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117471101A (zh) * | 2023-12-28 | 2024-01-30 | 中国科学院烟台海岸带研究所 | 基于多通道拉曼探针肿瘤msi错配修复蛋白的检测方法 |
| CN117471101B (zh) * | 2023-12-28 | 2024-03-12 | 中国科学院烟台海岸带研究所 | 基于多通道拉曼探针肿瘤msi错配修复蛋白的检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Langer et al. | Prognostic significance of expression patterns of c-erbB-2, p53, p16INK4A, p27KIP1, cyclin D1 and epidermal growth factor receptor in oesophageal adenocarcinoma: a tissue microarray study | |
| Fernandez et al. | Infrared spectroscopic imaging for histopathologic recognition | |
| Steele et al. | Measuring multiple parameters of CD8+ tumor-infiltrating lymphocytes in human cancers by image analysis | |
| Hou et al. | Terahertz spectroscopic investigation of human gastric normal and tumor tissues | |
| Sahu et al. | Fourier transform infrared spectroscopy in cancer detection | |
| Zhang et al. | Reliability of tissue microarrays in detecting protein expression and gene amplification in breast cancer | |
| Kommoss et al. | FOXL2 molecular testing in ovarian neoplasms: diagnostic approach and procedural guidelines | |
| JP2018185316A (ja) | 循環腫瘍細胞の検出方法および哺乳類対象における癌の診断方法 | |
| US20200355669A1 (en) | Infrared analysis of benign tumors | |
| Taylor et al. | Infrared spectroscopy with multivariate analysis to interrogate endometrial tissue: a novel and objective diagnostic approach | |
| Su Lim et al. | Measurement of the nucleus area and nucleus/cytoplasm and mitochondria/nucleus ratios in human colon tissues by dual-colour two-photon microscopy imaging | |
| CN104007257A (zh) | 一种检测非体液性稀有有核细胞的方法和试剂盒 | |
| Pezzei et al. | Characterization of normal and malignant prostate tissue by Fourier transform infrared microspectroscopy | |
| CN104914089A (zh) | 用表面增强拉曼光谱对痕量混合物进行半定量分析的方法 | |
| Kwon et al. | Automated measurement of multiple cancer biomarkers using quantum-dot-based microfluidic immunohistochemistry | |
| CN113324968A (zh) | 一种基于拉曼光谱的结直肠癌错配修复蛋白表达的检测方法 | |
| Kojima et al. | Validation of a robust proteomic analysis carried out on formalin‐fixed paraffin‐embedded tissues of the pancreas obtained from mouse and human | |
| US20240210324A1 (en) | Interaction of spectroscopy and artificial intelligence for serological analysis and its applications | |
| Peng et al. | Discrimination of cirrhotic nodules, dysplastic lesions and hepatocellular carcinoma by their vibrational signature | |
| Ali et al. | An innovative platform merging elemental analysis and ftir imaging for breast tissue analysis | |
| Zhan et al. | Revolutionary approaches for cancer diagnosis by terahertz-based spectroscopy and imaging | |
| Globus et al. | Sub-terahertz vibrational spectroscopy of ovarian cancer and normal control tissue for molecular diagnostic technology | |
| Mark et al. | Fourier transform infrared microspectroscopy as a quantitative diagnostic tool for assignment of premalignancy grading in cervical neoplasia | |
| CN111220575A (zh) | 一种基于太赫兹近场光谱的细胞检测方法 | |
| Shakya et al. | Optimization of measurement mode and sample processing for FTIR microspectroscopy in skin cancer research |
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 |