CN113866154A - 一种采用sers湿法鉴定癌症病变的方法 - Google Patents
一种采用sers湿法鉴定癌症病变的方法 Download PDFInfo
- Publication number
- CN113866154A CN113866154A CN202111241344.8A CN202111241344A CN113866154A CN 113866154 A CN113866154 A CN 113866154A CN 202111241344 A CN202111241344 A CN 202111241344A CN 113866154 A CN113866154 A CN 113866154A
- Authority
- CN
- China
- Prior art keywords
- sers
- plasma
- detection
- cancer lesion
- identifying cancer
- 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
- 238000004416 surface enhanced Raman spectroscopy Methods 0.000 title claims abstract description 43
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 37
- 201000011510 cancer Diseases 0.000 title claims abstract description 36
- 230000003902 lesion Effects 0.000 title claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 38
- 230000003595 spectral effect Effects 0.000 claims abstract description 22
- 239000000758 substrate Substances 0.000 claims abstract description 20
- 239000012528 membrane Substances 0.000 claims abstract description 19
- 229940057995 liquid paraffin Drugs 0.000 claims abstract description 18
- 238000000108 ultra-filtration Methods 0.000 claims abstract description 17
- 238000001069 Raman spectroscopy Methods 0.000 claims abstract description 16
- 239000000203 mixture Substances 0.000 claims abstract description 12
- 238000002156 mixing Methods 0.000 claims abstract description 11
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 claims description 27
- 238000003066 decision tree Methods 0.000 claims description 12
- 238000001228 spectrum Methods 0.000 claims description 12
- 230000010354 integration Effects 0.000 claims description 7
- 238000000479 surface-enhanced Raman spectrum Methods 0.000 claims description 7
- 238000005119 centrifugation Methods 0.000 claims description 6
- 229920000223 polyglycerol Polymers 0.000 claims description 6
- 238000000926 separation method Methods 0.000 claims description 6
- 230000005284 excitation Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 3
- 239000011248 coating agent Substances 0.000 claims description 2
- 238000000576 coating method Methods 0.000 claims description 2
- 238000012417 linear regression Methods 0.000 claims description 2
- 238000010801 machine learning Methods 0.000 claims description 2
- 238000001237 Raman spectrum Methods 0.000 abstract description 9
- 229920002521 macromolecule Polymers 0.000 abstract description 5
- 230000035790 physiological processes and functions Effects 0.000 abstract description 5
- 210000002381 plasma Anatomy 0.000 description 70
- 239000000243 solution Substances 0.000 description 20
- HEMHJVSKTPXQMS-UHFFFAOYSA-M Sodium hydroxide Chemical compound [OH-].[Na+] HEMHJVSKTPXQMS-UHFFFAOYSA-M 0.000 description 18
- 239000000523 sample Substances 0.000 description 18
- WTDHULULXKLSOZ-UHFFFAOYSA-N Hydroxylamine hydrochloride Chemical compound Cl.ON WTDHULULXKLSOZ-UHFFFAOYSA-N 0.000 description 16
- SQGYOTSLMSWVJD-UHFFFAOYSA-N silver(1+) nitrate Chemical compound [Ag+].[O-]N(=O)=O SQGYOTSLMSWVJD-UHFFFAOYSA-N 0.000 description 14
- 239000000084 colloidal system Substances 0.000 description 11
- 229910052709 silver Inorganic materials 0.000 description 9
- 239000004332 silver Substances 0.000 description 9
- 238000012360 testing method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 229910001961 silver nitrate Inorganic materials 0.000 description 7
- 239000011259 mixed solution Substances 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 108090000623 proteins and genes Proteins 0.000 description 5
- 102000004169 proteins and genes Human genes 0.000 description 5
- 238000001035 drying Methods 0.000 description 4
- 239000010410 layer Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 3
- 239000011241 protective layer Substances 0.000 description 3
- 150000003384 small molecules Chemical class 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 201000005202 lung cancer Diseases 0.000 description 2
- 208000020816 lung neoplasm Diseases 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003756 stirring Methods 0.000 description 2
- 108010020147 Protein Corona Proteins 0.000 description 1
- 238000003917 TEM image Methods 0.000 description 1
- 239000002390 adhesive tape Substances 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002105 nanoparticle Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000004627 transmission electron microscopy Methods 0.000 description 1
- 238000012795 verification Methods 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
- G01N21/658—Raman scattering enhancement Raman, e.g. surface plasmons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Epidemiology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种采用SERS湿法鉴定癌症病变的方法。首先利用不同分子量大小的超滤膜离心管分离血浆样品；然后利用SERS基底和分离后的血浆样品混合后直接滴加在多孔基材上，并且添加液体石蜡防止挥发，用高通量拉曼光谱仪进行快速的SERS检测。通过对比分离后血浆拉曼光谱的谱峰和信噪比得到最佳分子量大小的超滤膜。本发明提供的一种维持血浆生理状态的SERS湿测的新方法及其用于鉴定癌症病变的方法，不仅有效地减少了其他大分子对一些血浆重要光谱信号的掩盖，湿测还提高了检测的均匀性，而且该方法可以更容易寻找出癌症患者血浆中重要标志物的特征光谱信号。
Description
技术领域
本发明属于生物医学和光谱检测技术领域，具体涉及一种采用SERS湿法鉴定癌症病变的方法。
背景技术
表面增强拉曼光谱(SERS)技术作为一种非侵入性微量物质检测技术，已广泛应用于生物医学研究，SERS技术具有以下优势：SERS技术已经发展成为一种超快速的检测技术，具有高灵敏度；SERS提供了独特的特征图谱，其中单个分析物的拉曼谱峰非常窄，从而能够同时进行多重检测；与荧光相比，SERS具有优异的抗光漂白性，在癌症诊断方面表现出了良好的临床应用前景。非标记SERS检测方法具有以下优势，它不局限于指定的靶标分子，可以直接反映生物样品的指纹信息。
目前，SERS检测血浆光谱信号的报道很多，但是血浆是个复杂成分，光谱信号复杂，很难捕捉到有价值的信息，在前期的研究中，我们发现这种直接用纳米金银作为SERS基底检测血浆光谱信号的方法存在一些潜在的问题，当纳米粒子进入血浆以后，表面上容易吸附上一层或多层的蛋白结构即为蛋白冠，这种蛋白冠也会影响SERS的检测结果，即对于癌症贡献大的光谱信号容易被血浆中的大分子所掩盖。为了减少重要光谱信号的掩盖，我们需要将血浆中的大蛋白去除，来提高其他小分子与拉曼增强基底的吸附，从而提高光谱的信噪比。另一方面，之前检测血浆拉曼光谱的方法通常是用纳米银和血浆混合后，在室温下干燥后再检测，但是干燥后血浆就不能保持原有的生理状态，影响检测结果。另一方面，当血浆与增强基底混合后变干会有“咖啡环”效应，即由于液体的自由蒸发会使得分子富集在外面一圈会导致测的拉曼信号不均匀。同时，对于未来临床大量血浆样品检测时，提高检测速度，减少时间和经济成本是很有必要的。
发明内容
为了解决上述问题，本发明提供一种基于超滤膜分离血浆的SERS鉴定癌症病变的方法的方法，通过在润湿的环境下，即保证了血浆原有的形态，也不会出现“咖啡环”效应，导致检测的拉曼信号不均匀，出现误差。同时，该方法具有快速、高灵敏度、保持样本的生理状态和提高光谱信噪比并且避免蛋白冠对检测的影响等优点，该方法可以应用于血浆样品的检测。
本发明的技术方案如下：
一种采用SERS湿法鉴定癌症病变的方法，包括以下步骤：
(1)取血浆用超滤膜离心管分离，得到血浆样品；
(2)将步骤(1)的血浆样品与SERS基底混合后，直接滴加在多孔基材上，并且包覆上一层油膜防止挥发，用高通量拉曼光谱仪进行血浆样品的SERS光谱检测，得到光谱数据；
(3)输入步骤(2)光谱数据，利用机器学习算法中的决策树与线性回归模型预测癌症病变。
进一步的，步骤(1)中超滤膜的分子量为100K-3K。
进一步的，步骤(1)中离心速度为12000rpm，离心时间为20min。
进一步的，所述步骤(2)中SERS基底包括纳米金和纳米银中的至少一种。
进一步的，所述步骤(2)中SERS基底与血浆样品体积比为1:1。
进一步的，所述步骤(2)中的油膜为液体石蜡或者聚甘油。
进一步的，步骤(2)中所述的SERS检测使用的激光功率为10-50mW，积分时间为1-10s，激光激发波长为785nm，光谱的测量范围为400-1800cm-1。
进一步的，步骤(3)中所述的预测模型是先通过病理结果已知是否癌症的血浆样本做为测试组，然后选择未知待测的样本作为验证组，验证我们的方法对于癌症判别的准确率和灵敏度。步骤(3)中的决策树模型具体的是接收一组癌症和正常人的拉曼光谱数据做为特征组，由处理器使用决策树模型处理这组特征数据，以生成癌症的预测模型。
本发明具有如下有益效果：
(1)血浆中的蛋白质等大分子会吸附在纳米金银表面，导致其他一些小分子的光谱信号被掩盖，通过超滤膜的过滤分离去除大分子，提高小分子与增强基底的接触，使得检测结果更具准确性；
(2)血浆与纳米银混合后会随着时间逐渐变干从而影响血浆中一些分子的生理状态的变化，在混合液滴表面加一层油膜可以防止挥发；
(3)拉曼检测的时候湿测比干测具有更好的均匀性，避免咖啡环效应对检测结果的影响；
(4)对于临床大样本的检测需要满足快速、方便和经济等要求，因此需要设计高通量的SERS检测基材搭配上高通量拉曼光谱仪提高检测速度。
(5)通过SERS基材搭配高通量仪器并且利用油膜防止挥发来解决这个问题。重点在于本申请采用的这层油膜的添加可以在比较长的时间内血浆都可以保持生理状态，从而实现简单快速的方法来检测血浆，同时能够更好地提高癌症患者与正常人光谱的区分度。
附图说明
图1是实施例2中一种基于超滤膜分离血浆的SERS高通量检测的示意图；
图2是实施例1中纳米银的透射电镜图；
图3是实施例1中纳米银的电位图；
图4是实施例2中最佳积分时间的探究；
图5是实施例2中银胶和血浆混合溶液中添加和未添加液体石蜡随时间变化液滴的干燥过程的图像；
图6是实施例2中银胶和血浆混合溶液中添加和未添加液体石蜡的拉曼光谱图；
图7是实施例2中100K-50k、50K-10k和10K-3k的血浆样品的拉曼光谱图；
图8是实施例3中银胶和血浆混合溶液中添加液体石蜡和聚甘油的拉曼光谱图；
图9是实施例4中肺癌患者与正常人血浆样品分离后的SERS光谱图；
图10是实施例4中肺癌患者与正常人血浆样品未分离的SERS光谱图
图11是对比例1中血浆样品与银胶混合变干后测试的均匀性的柱状图；
图12是对比例1中血浆样品与银胶混合后添加油膜湿测的均匀性的柱状图；
图13是实施例5癌症和正常人光谱数据统计的决策树形图。
具体实施方式
以下实施例用于说明本发明以下实施例用于说明本发明，但不用来限制本发明的范围。若未特别指明，实施例中所用的技术手段为本领域技术人员所熟知的常规手段，所用原料均为市售商品。但不用来限制本发明的范围。若未特别指明，实施例中所用的技术手段为本领域技术人员所熟知的常规手段，所用原料均为市售商品。
实施例1
纳米银胶的合成与表征
纳米银胶的具体合成过程：将5mL盐酸羟胺溶液(60mM)和4.5mL氢氧化钠溶液(0.1M)倒入试管中搅拌混合，盐酸羟胺作为还原剂，然后将混合液迅速加入到事先准备好的90mL硝酸银溶液(10-3M)中搅拌，然后一直振荡，经过30min使盐酸羟胺还原硝酸银，再离心浓缩后即可得到乳灰色的纳米银胶体(AgNPs)溶液，制成的纳米银胶溶液的透射电镜图如图2所示，粒径为50nm左右，图3是纳米银胶的电位图，从图中可以看出我们合成发银胶带负电。
实施例2
液体石蜡做为血浆保护层的SERS高通量检测
(1)取500μL血浆分别用不同分子量的超滤膜离心管分离，转速为10000-12000rpm,离心时间15-25min，得到不同成分的血浆样品；
(2)SERS增强基底可以用纳米银，具体合成步骤：5mL盐酸羟胺溶液(60mM)和4.5mL氢氧化钠溶液(0.1M)混合，然后迅速加入到90mL硝酸银溶液(10-3M)中搅拌30min，离心浓缩即得到纳米银胶体(AgNPs)；
(3)将2-10μL血浆样本和2-10μL步骤(2)中的AgNPs混合后直接滴加在高通量多孔基材上，并且在混合溶液上滴加10μL液体石蜡防止挥发，用高通量拉曼光谱仪进行SERS光谱检测。激发波长为785nm，功率为10mW,积分时间为10s、5s和1s，从图4的拉曼光谱图可以明显的看出最佳的检测条件是，功率为10mW，积分时间为10s。图1是一种基于超滤膜分离血浆的SERS高通量检测示意图。
为了证明添加液体石蜡具有防止挥发的作用，我们将银胶和血浆的混合物滴在铝板上，一边未作处理，另一边滴加液体石蜡，从图5可以看出添加了液体石蜡保护层的3h后还没变干，而没有加液体石蜡的一边30min后就变干，说明液体石蜡可以防止样品挥发。同时，从图6也可以看出添加液体石蜡的血浆的光谱信号比没有加液体石蜡的增强了2倍左右。
利用超滤膜离心管分离血浆的具体步骤是，选择4种分子量(100k、50k、10k和3k)的离心管，首先将500μL血浆放置在100k分子量的超滤膜离心管中转速为12000rpm，离心20min,收集截留于膜上的血浆，并且将过滤完的血浆继续放置于50k分子量的离心管中离心，以此步骤类推，直到过滤完3K膜为止，所以就可以得到100K-50k、50K-10k和10K-3k的血浆样品，然后按照步骤1-3进行检测，光谱如图7所示，可以看出10K-3k的血浆的光谱信号最好，而且在1181cm-1处还出现了一个新的谱峰，100K-50k的血浆的光谱信号最差，这是由于大分子会掩盖一些光谱信号，影响光谱的信噪比。
实施例3
聚甘油做为血浆保护层的SERS高通量检测
(1)取500μL血浆分别用不同分子量的超滤膜离心管分离，转速为10000-12000rpm),离心时间15-25min，得到不同成分的血浆样品；
(2)5mL盐酸羟胺溶液(60mM)和4.5mL氢氧化钠溶液(0.1M)混合，然后迅速加入到90mL硝酸银溶液(10-3M)中搅拌30min，离心浓缩即得到纳米银胶体(AgNPs)；
(3)将2-10μL血浆样本和2-10μL步骤(2)中的AgNPs混合后直接滴加在高通量多孔基材上，并且在混合溶液上滴加10μL聚甘油防止挥发，用高通量拉曼光谱仪进行SERS光谱检测。激发波长为785nm，功率为10mW,积分时间为8s，图8可以看出添加聚甘油的效果没有液体石蜡好，原因可能是液体石蜡具有促聚集的作用。
实施例4
癌症患者与正常人血浆样本分离后的SERS检测
(1)分别取500μL癌症患和正常人的血浆样本分别用不同分子量的超滤膜离心管分离，转速为10000-12000rpm),离心时间15-25min，得到不同成分的血浆样品；
(2)5mL盐酸羟胺溶液(60mM)和4.5mL氢氧化钠溶液(0.1M)混合，然后迅速加入到90mL硝酸银溶液(10-3M)中搅拌30min，离心浓缩即得到纳米银胶体(AgNPs)；
(3)将2-10μL步骤(1)中的血浆样本和2-10μL步骤(2)中的AgNPs混合后用拉曼光谱仪进行SERS光谱检测，光谱如图9所示。从图中，我们可以很明显地看出来经过分离后，癌症患者和正常人的血浆拉曼光谱区别明显。图并且表明我们的方法可以用于癌症的早期检测。如图10所示，没有经过分离的癌症与正常人血浆的光谱，从光谱图形上看没有很大的区别。
实施例5
基于决策树模型预测癌症的准确率和灵敏度
(1)(1)取500μL血浆分别用不同分子量的超滤膜离心管分离，转速为10000-12000rpm),离心时间15-25min，得到不同成分的血浆样品；
(2)5mL盐酸羟胺溶液(60mM)和4.5mL氢氧化钠溶液(0.1M)混合，然后迅速加入到90mL硝酸银溶液(10-3M)中搅拌30min，离心浓缩即得到纳米银胶体(AgNPs)；
我们测试了100例正常人和100例早期和100例晚期的癌症患者的血浆拉曼光谱数据，选取每个病人400-1800cm-1波长的拉曼光谱数据，每个病人对应1000个数据点，然后将这些数据利用决策树分类法进行分析建模。决策树模型具体的是接收一组癌症和正常人的拉曼光谱数据做为特征组，由处理器使用决策树模型处理这组特征数据，以生成癌症的预测模型。这种决策树模型是基于训练数据计算特征数据的特征的增益数据；以信息增益最大为划分至每一节点，再利用信息增益数据计算熵值，信息增益＝信息熵-条件熵。图13是癌症与正常人区分的决策树形图，发现在480维度可以把癌症与正常人很好地区分开来，从数据中可以找到对应特征峰1068cm-1这个位置是能比较好地区分癌症。同时决策树的分支越少代表分类结果越好，我们用了四层分类就可以把正常人，早期晚期的病人区分开来。其次，我们利用训练好的模型导入未知样本作为预测，发现该方法的灵敏度为0.82，准确率为0.85。术语灵敏度(也称为真阳性率)是指实际为阳性的样本中，判断为阳性的比例(例如真正有生病的人中，被医院判断为有生病者的比例)；术语准确度也称效率，用真阳性与真阴性人数之和占受试人数的百分率表示。
对比例1
血浆样品干测与湿测的均匀性对比
(1)取500μL血浆分别用不同分子量的超滤膜离心管分离，转速为10000-12000rpm),离心时间15-25min，得到不同成分的血浆样品；
(2)5mL盐酸羟胺溶液(60mM)和4.5mL氢氧化钠溶液(0.1M)混合，然后迅速加入到90mL硝酸银溶液(10-3M)中搅拌30min，离心浓缩即得到纳米银胶体(AgNPs)；
(3)将2-10μL血浆样本和2-10μL步骤(2)中的AgNPs混合后直接滴加在高通量多孔基材上，并且在混合溶液上滴加10μL液体石蜡防止挥发.另一个对比例是将分离后的血浆和纳米银胶混合后在室温下干燥30min左右，利用高通量拉曼光谱仪进行SERS光谱检测。激发波长为785nm，功率为50mW,积分时间为5s，图11是干测的结果，我们随意检测了15条血浆的拉曼光谱，选择血浆的特征峰624做均匀性的柱状图，它的相对标准偏差是4.05％。图12是湿测的结果，也是选择血浆的特征峰624做均匀性的柱状图，它的相对标准偏差是2.97％，可以看出湿测的均匀性比干测的好，从强度上看，也可以发现湿测的增强效果比干测好。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种采用SERS湿法鉴定癌症病变的方法，其特征在于，包括以下步骤：
(1)取血浆用超滤膜离心管分离，得到分离后血浆样品；
(2)将步骤(1)的血浆样品与SERS基底混合后，直接滴加在多孔基材上，并且包覆上一层油膜防止挥发，用高通量拉曼光谱仪进行血浆样品的SERS光谱检测，得到光谱数据；
(3)输入步骤(2)光谱数据，利用机器学习算法中的决策树与线性回归模型预测癌症病变。
2.根据权利要求1所述一种采用SERS湿法鉴定癌症病变的方法，其特征在于：步骤(1)中超滤膜的分子量为100K-3K。
3.根据权利要求1所述一种采用SERS湿法鉴定癌症病变的方法，其特征在于：步骤(1)中血浆分离的离心速度为12000rpm，离心时间为20min。
4.根据权利要求1所述一种采用SERS湿法鉴定癌症病变的方法，其特征在于：所述步骤(2)中SERS基底包括纳米金和纳米银中的至少一种。
5.根据权利要求1所述一种采用SERS湿法鉴定癌症病变的方法，其特征在于：所述步骤(2)中SERS基底与血浆样品体积比为1:1。
6.根据权利要求1所述一种采用SERS湿法鉴定癌症病变的方法，其特征在于：所述步骤(2)中的油膜为液体石蜡或者聚甘油。
7.根据权利要求1所述一种采用SERS湿法鉴定癌症病变的方法，其特征在于：步骤(2)中所述的SERS检测使用的激光功率为10-50mW，积分时间为1-10s，激光激发波长为785nm，光谱的测量范围为400-1800cm-1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111241344.8A CN113866154A (zh) | 2021-10-25 | 2021-10-25 | 一种采用sers湿法鉴定癌症病变的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111241344.8A CN113866154A (zh) | 2021-10-25 | 2021-10-25 | 一种采用sers湿法鉴定癌症病变的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113866154A true CN113866154A (zh) | 2021-12-31 |
Family
ID=78997818
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111241344.8A Pending CN113866154A (zh) | 2021-10-25 | 2021-10-25 | 一种采用sers湿法鉴定癌症病变的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113866154A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110290008A1 (en) * | 2010-05-28 | 2011-12-01 | Ebstein Steven M | Novel technique for uniformly applying analyte to a structured surface |
| US20150294076A1 (en) * | 2012-11-06 | 2015-10-15 | Chemimage Corporation | System and method for serum based cancer detection |
| CN107101989A (zh) * | 2017-03-16 | 2017-08-29 | 安徽中科赛飞尔科技有限公司 | 基于参数可调控自组装结构基底的构筑方法及其用于毒品的sers检测方法 |
| 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 |
| CN113138186A (zh) * | 2021-05-27 | 2021-07-20 | 福建师范大学 | 一种超疏水自动定位sers光谱检测平台及其制备方法和应用 |
-
2021
- 2021-10-25 CN CN202111241344.8A patent/CN113866154A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110290008A1 (en) * | 2010-05-28 | 2011-12-01 | Ebstein Steven M | Novel technique for uniformly applying analyte to a structured surface |
| US20150294076A1 (en) * | 2012-11-06 | 2015-10-15 | Chemimage Corporation | System and method for serum based cancer detection |
| CN107101989A (zh) * | 2017-03-16 | 2017-08-29 | 安徽中科赛飞尔科技有限公司 | 基于参数可调控自组装结构基底的构筑方法及其用于毒品的sers检测方法 |
| 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 |
| CN113138186A (zh) * | 2021-05-27 | 2021-07-20 | 福建师范大学 | 一种超疏水自动定位sers光谱检测平台及其制备方法和应用 |
Non-Patent Citations (2)
| Title |
|---|
| 李平兰 等: "《食品微生物学实验原理与技术》", 中国农业出版社, pages: 106 * |
| 缪绪超: "基于滤膜SERS技术的甲状腺肿瘤患者血浆拉曼光谱研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑)》, no. 12, pages 014 - 326 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Noothalapati et al. | Biological and medical applications of multivariate curve resolution assisted Raman spectroscopy | |
| CN106053429B (zh) | 基于表面增强共振拉曼光谱的尿液修饰核苷检测分析方法 | |
| Gao et al. | Non-invasive SERS serum detection technology combined with multivariate statistical algorithm for simultaneous screening of cervical cancer and breast cancer | |
| WO2019140305A1 (en) | Spectroscopic biological material characterization | |
| Bai et al. | Raman spectroscopy-based biomarker screening by studying the fingerprint characteristics of chronic lymphocytic leukemia and diffuse large B-cell lymphoma | |
| KR102428314B1 (ko) | 소변의 라만 신호를 이용한 암 진단 방법 | |
| Dubois et al. | Peer reviewed: IR spectroscopy in clinical and diagnostic applications | |
| WO2023090421A1 (ja) | 微粒子試料のスペクトルデータの生成方法、微粒子の解析方法、微粒子の判別方法、がん細胞由来のエクソソームの有無の判定方法、微粒子のスペクトル計測用基板、微粒子のスペクトル計測用デバイスおよび微粒子のスペクトル計測用装置 | |
| Mussi et al. | Silver-coated silicon nanowire platform discriminates genomic DNA from normal and malignant human epithelial cells using label-free Raman spectroscopy | |
| Verdonck et al. | Label-free phenotyping of peripheral blood lymphocytes by infrared imaging | |
| CN111721751A (zh) | 一种检测结直肠恶性肿瘤的装置 | |
| Peng et al. | Machine learning–assisted internal standard calibration label-free SERS strategy for colon cancer detection | |
| Ciobanu et al. | Potential of Raman spectroscopy for blood-based biopsy | |
| Li et al. | Surface-enhanced Raman spectroscopy differences of saliva between lung cancer patients and normal people | |
| EP4113105A1 (en) | Cancer diagnosis method using raman signal of urine | |
| Ma et al. | Label-free breast cancer detection and classification by convolutional neural network-based on exosomes surface-enhanced raman scattering | |
| Cai et al. | Serum fingerprinting by slippery liquid-infused porous SERS for non-invasive lung cancer detection | |
| CN109580584A (zh) | 唾液诊断传感器的制备方法及唾液诊断传感器的应用 | |
| Goodacre et al. | Biofluids and other techniques: general discussion | |
| CN113866154A (zh) | 一种采用sers湿法鉴定癌症病变的方法 | |
| Jiang et al. | Label-free, rapid and highly accurate identification and categorization of leukemia cells via Raman spectroscopy | |
| Wang et al. | Preliminary study on early detection technology of lung cancer based on surface-enhanced Raman spectroscopy | |
| Hajab et al. | Surface-enhanced Raman spectroscopy of the filtrate portions of the blood serum samples of breast cancer patients obtained by using 30 kDa filtration device | |
| De Luca et al. | Raman Spectroscopy for Biomedical Applications: From Label-free Cancer Cell Sorting to Imaging | |
| KR20200049103A (ko) | 라만 분광 기판, 이의 제조 방법, 이를 포함하는 분석 장치 및 분석 방법 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211231 |