CN117388236A - 一种高通量拉曼分子组学检测分析系统及方法 - Google Patents
一种高通量拉曼分子组学检测分析系统及方法 Download PDFInfo
- Publication number
- CN117388236A CN117388236A CN202311431942.0A CN202311431942A CN117388236A CN 117388236 A CN117388236 A CN 117388236A CN 202311431942 A CN202311431942 A CN 202311431942A CN 117388236 A CN117388236 A CN 117388236A
- Authority
- CN
- China
- Prior art keywords
- sample
- enhanced raman
- raman
- surface enhanced
- signal light
- 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.)
- Granted
Links
- 238000001069 Raman spectroscopy Methods 0.000 title claims abstract description 130
- 238000001514 detection method Methods 0.000 title claims abstract description 85
- 238000004458 analytical method Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 11
- 230000005284 excitation Effects 0.000 claims abstract description 54
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 238000000479 surface-enhanced Raman spectrum Methods 0.000 claims abstract description 34
- 230000003287 optical effect Effects 0.000 claims abstract description 22
- 239000003153 chemical reaction reagent Substances 0.000 claims abstract description 12
- 238000001228 spectrum Methods 0.000 claims description 23
- 238000001237 Raman spectrum Methods 0.000 claims description 20
- 238000013473 artificial intelligence Methods 0.000 claims description 10
- 230000003595 spectral effect Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000010905 molecular spectroscopy Methods 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 230000006798 recombination Effects 0.000 claims description 2
- 238000005215 recombination Methods 0.000 claims description 2
- 238000003556 assay Methods 0.000 claims 4
- 239000000126 substance Substances 0.000 abstract description 12
- 230000035945 sensitivity Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 description 16
- 150000003384 small molecules Chemical class 0.000 description 13
- 238000006073 displacement reaction Methods 0.000 description 10
- 239000002207 metabolite Substances 0.000 description 9
- 239000013592 cell lysate Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 239000000084 colloidal system Substances 0.000 description 5
- 230000002503 metabolic effect Effects 0.000 description 5
- 239000002105 nanoparticle Substances 0.000 description 5
- PVNIIMVLHYAWGP-UHFFFAOYSA-N Niacin Chemical compound OC(=O)C1=CC=CN=C1 PVNIIMVLHYAWGP-UHFFFAOYSA-N 0.000 description 4
- AUNGANRZJHBGPY-SCRDCRAPSA-N Riboflavin Chemical compound OC[C@@H](O)[C@@H](O)[C@@H](O)CN1C=2C=C(C)C(C)=CC=2N=C2C1=NC(=O)NC2=O AUNGANRZJHBGPY-SCRDCRAPSA-N 0.000 description 4
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 229910052709 silver Inorganic materials 0.000 description 4
- 239000004332 silver Substances 0.000 description 4
- APJYDQYYACXCRM-UHFFFAOYSA-N tryptamine Chemical compound C1=CC=C2C(CCN)=CNC2=C1 APJYDQYYACXCRM-UHFFFAOYSA-N 0.000 description 4
- JJWKPURADFRFRB-UHFFFAOYSA-N carbonyl sulfide Chemical compound O=C=S JJWKPURADFRFRB-UHFFFAOYSA-N 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000004611 spectroscopical analysis Methods 0.000 description 3
- 231100000331 toxic Toxicity 0.000 description 3
- 230000002588 toxic effect Effects 0.000 description 3
- CSCPPACGZOOCGX-UHFFFAOYSA-N Acetone Chemical compound CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 description 2
- AUNGANRZJHBGPY-UHFFFAOYSA-N D-Lyxoflavin Natural products OCC(O)C(O)C(O)CN1C=2C=C(C)C(C)=CC=2N=C2C1=NC(=O)NC2=O AUNGANRZJHBGPY-UHFFFAOYSA-N 0.000 description 2
- LEVWYRKDKASIDU-QWWZWVQMSA-N D-cystine Chemical compound OC(=O)[C@H](N)CSSC[C@@H](N)C(O)=O LEVWYRKDKASIDU-QWWZWVQMSA-N 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 2
- ZUKPVRWZDMRIEO-VKHMYHEASA-N L-cysteinylglycine Chemical compound SC[C@H]([NH3+])C(=O)NCC([O-])=O ZUKPVRWZDMRIEO-VKHMYHEASA-N 0.000 description 2
- ZDXPYRJPNDTMRX-VKHMYHEASA-N L-glutamine Chemical compound OC(=O)[C@@H](N)CCC(N)=O ZDXPYRJPNDTMRX-VKHMYHEASA-N 0.000 description 2
- 229930182816 L-glutamine Natural products 0.000 description 2
- AGPKZVBTJJNPAG-WHFBIAKZSA-N L-isoleucine Chemical compound CC[C@H](C)[C@H](N)C(O)=O AGPKZVBTJJNPAG-WHFBIAKZSA-N 0.000 description 2
- KDXKERNSBIXSRK-YFKPBYRVSA-N L-lysine Chemical compound NCCCC[C@H](N)C(O)=O KDXKERNSBIXSRK-YFKPBYRVSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 2
- 239000013060 biological fluid Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- UFULAYFCSOUIOV-UHFFFAOYSA-N cysteamine Chemical compound NCCS UFULAYFCSOUIOV-UHFFFAOYSA-N 0.000 description 2
- 108010016616 cysteinylglycine Proteins 0.000 description 2
- 229960003067 cystine Drugs 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 229960001031 glucose Drugs 0.000 description 2
- 229960002743 glutamine Drugs 0.000 description 2
- 239000001963 growth medium Substances 0.000 description 2
- 229960000310 isoleucine Drugs 0.000 description 2
- AGPKZVBTJJNPAG-UHFFFAOYSA-N isoleucine Natural products CCC(C)C(N)C(O)=O AGPKZVBTJJNPAG-UHFFFAOYSA-N 0.000 description 2
- 238000004949 mass spectrometry Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 229960003151 mercaptamine Drugs 0.000 description 2
- 235000001968 nicotinic acid Nutrition 0.000 description 2
- 229960003512 nicotinic acid Drugs 0.000 description 2
- 239000011664 nicotinic acid Substances 0.000 description 2
- 238000001225 nuclear magnetic resonance method Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 239000002151 riboflavin Substances 0.000 description 2
- 235000019192 riboflavin Nutrition 0.000 description 2
- 229960002477 riboflavin Drugs 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000004416 surface enhanced Raman spectroscopy Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000007622 bioinformatic analysis Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004113 cell culture Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- SYSQUGFVNFXIIT-UHFFFAOYSA-N n-[4-(1,3-benzoxazol-2-yl)phenyl]-4-nitrobenzenesulfonamide Chemical class C1=CC([N+](=O)[O-])=CC=C1S(=O)(=O)NC1=CC=C(C=2OC3=CC=CC=C3N=2)C=C1 SYSQUGFVNFXIIT-UHFFFAOYSA-N 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
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
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- 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
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Crystallography & Structural Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明涉及一种高通量拉曼分子组学检测分析系统及方法，包括表面增强拉曼光学检测模块和人工智能生信分析算法模块；表面增强拉曼光学检测模块用于产生激发光、将激发光聚焦到样品室内的混合样品中并收集产生的表面增强拉曼信号光；人工智能生信分析算法模块包括计算机、拉曼分子组学数据库和生信分析算法程序；人工智能生信分析算法模块用于将所获得的表面增强拉曼光谱解析出待测样品的相关信息。通过人工智能生信分析算法模块，其能够完成对于表面增强拉曼信号光的自动分析，并快速确认出物质种类、浓度等信息，检测效率提高。并且，采用了表面增强拉曼技术，将纳米试剂于待测样品混合，由此使得检测灵敏性和特异性提高。
Description
技术领域
本发明涉及分子组学检测分析的技术领域，更具体地，涉及基于表面增强拉曼光谱的拉曼分子组学检测分析系统及方法。
背景技术
有机小分子是一类含碳化合物，根据不同的研究领域和应用场景有机小分子可以细分为描述生物体新陈代谢过程代谢产物的代谢小分子、进行疾病治疗和药物辅助的药物小分子等。有机小分子的检测对基础生命科学、医学诊断、医药开发等领域都起着关键作用，如检测代谢小分子将有助于发现患者与健康人之间代谢物的差异，有助于了解疾病的发生和进展，为疾病早期诊断、疗效评估和生存率等提供有效可衡量指标；检测药物小分子将有助于把控药品的生产进程，缩短医药开发周期；检测培养基内的有机小分子将有助于提高培养物的质量，监控培养物分化方向，节约培养基原料。
现阶段有机小分子的检测方法主要包括核磁共振法、质谱法两种方法，其中核磁共振法存在灵敏度较低、不适合分析低浓度有机小分子、设备昂贵和检测成本高等问题；质谱存在样品前处理复杂、不同标准品库无法进行大规模检测、无法检测代谢物中大量的同分异构体、检测仪器昂贵和检测成本过高等问题。
表面增强拉曼光谱技术是通过电磁增强和化学增强两种机制获取携带分子指纹信息的拉曼光谱，可用于测量物质的分子结构，具有超高灵敏度、超高稳定性、允许多指标同时检测、无标记、检测速度极快、可微型化等优点。目前，市面上已有了检测物质成分的拉曼增强芯片。然而一方面，其无法实现自动分析和快速确定物质信息的功能；另一方面，样品需要烘干后才能进行拉曼光谱检测，这不仅提高了检测成本，也极大地限制了分子检测的应用场景，无法检测易挥发、易变性和有毒的分子，如乙醇、丙酮等；再一方面，现有的拉曼检测系统和方法无法实现多样品的并行检测，提高了样品的检测周期和运营维护成本，限制了生产力。
发明内容
针对现有技术和仪器的缺陷，本发明首先提供一种新的技术和系统用于实现物质信息的快速分析以确定其基本信息。
另外，本发明提供一种新的检测方法，其具有分子水平超高灵敏度的、超高特异性的、快速无损且稳定的有机小分子检测，称为拉曼分子组学检测。
本发明基于表面增强拉曼光谱（SERS）技术，解决了拉曼光谱在有机小分子检测中所存在的每个问题。
根据本发明的一个方面，提供了一种高通量拉曼分子组学检测分析系统，其包括表面增强拉曼光学检测模块和人工智能生信分析算法模块；
所述表面增强拉曼光学检测模块用于产生激发光、将激发光聚焦到样品室内的混合样品中并收集产生的表面增强拉曼信号光；
所述人工智能生信分析算法模块用于将所获得的表面增强拉曼光谱解析出待测样品的相关信息，相关信息至少包括待测样品中的如下信息之一:有机小分子的种类、浓度或者相对含量。
本发明的有益效果为：通过表面增强拉曼光学检测模块的设置，其能够完成多个样品的表面增强拉曼光谱的同时测量，大幅度降低了测量的硬件成本，缩短了测量周期，并从根源消除了不同相机和光谱仪所引入的测量误差，提高了光谱测量的准确性。
本发明的有益效果为：通过表面增强拉曼光学检测模块的设置，其能够收集背散射和透射的表面增强拉曼光谱信号，提高而激发光的利用率，从而提高了信噪比，缩短了检测周期。
本发明的有益效果为：通过人工智能生信分析算法模块的设置，其能够完成对于表面增强拉曼信号光的自动分析，并快速确认出物质种类、浓度或者其它信息，检测效率提高。并且，采用了表面增强拉曼技术，将纳米试剂与待测样品混合，由此使得检测灵敏性和特异性提高。
优选地，其中所述拉曼光学检测模块包括样品室、激光器、光学系统、光谱仪和相机；所述样品室用于容纳和移动待测样品；所述激光器用于产生激发光；所述光学系统用于将激发光聚焦到混合样品上，并收集经激发光聚焦的混合样品所产生的表面增强拉曼信号光；所述光学系统包括反射镜、非偏振分束镜、功率调节模块、二向色镜、物镜、长波通滤光片、聚焦透镜；所述反射镜用于反射激发光或表面增强拉曼信号光；所述非偏振分束镜用于将激光器产生的激发光分成两束光；所述功率调节模块用于调节入射到混合样品前的激发光的功率；所述二向色镜用于将激发光反射至物镜，并使表面增强拉曼信号光透射；所述物镜用于聚焦激光至混合样品上；所述长波通滤光片用于将激发光滤掉，并使表面增强拉曼信号光透射；所述聚焦透镜用于将表面增强拉曼信号光聚焦；
所述光谱仪用于将表面增强拉曼信号光中不同波长的光分开；
所述相机用于收集不同波长的拉曼信号光，并转换为电信号，从而获得表面增强拉曼光谱。
优选的，所述聚焦透镜用于将多个样品的信号光聚焦到光谱仪的狭缝处，聚焦透镜的数量不小于1。
优选的，所述聚焦透镜包括球面透镜、非球面透镜、圆柱形透镜、微透镜阵列和凹面镜中的一种或多种。
优选的，携带样品的光谱信息的信号光被所述聚焦透镜聚焦到光谱仪的狭缝处，并且在光谱仪的狭缝处不同样品的信号光无重叠。
优选的，所述相机为CCD面阵列相机，设置在相机中不同横坐标的像元用于收集不同波长的信号光，通过相机中不同纵坐标的光谱数据来测量不同样品的光谱。
所述人工智能生信分析算法模块包括计算机、拉曼分子组学数据库和生信分析算法程序，所述计算机用于控制样品室的移动、控制相机采集表面增强拉曼光谱以及保存表面增强拉曼光谱数据并完成初步数据处理；所述拉曼分子组学数据库用于提供可供参考的拉曼分子组学拉曼光谱；所述生信分析算法程序用于解析出样品中有机小分子的信息；
优选地，所述表面增强拉曼光学检测模块和人工智能生信分析算法模块通讯连接，通讯连接包括了无线控制连接和有线控制连接；其子模块可以重新组合分配；重新组合分配至少包括下面的模式：将相机并入人工智能生信分析算法模块中，此时人工智能生信分析算法模块具有采集光谱数据的功能。
优选地，所述样品室内待测样品能够与外界进行交互，以完成样品的补充、取出或更换。
优选地，所述样品室与平移结构组件连接和/或旋转结构组件连接，所述平移结构组件用于带动所述样品室完成水平运动，所述旋转结构组件用于带动所述样品室进行转动。
本发明提供的一种利用高通量拉曼分子组学检测分析系统进行有机小分子的拉曼分子组学检测分析的方法，包括：
将纳米试剂与待测样品充分混合，并将混合样品放置于样品容器中固定；
自动化测量样品多个位置的表面增强拉曼光谱，得到不少于三张同一个样品的表面增强拉曼光谱数据；
利用人工智能生信分析算法模块解析所测得的表面增强拉曼光谱，以获得每个样品中有机小分子的种类、浓度或者相对含量的信息。
利用所述样品位移驱动机械组件改变样品的表面增强拉曼光谱采集位置，用于测量样品多个位置的表面增强拉曼光谱，再结合所述人工智能生信分析算法模块以提高检测的稳定性和准确性。
本发明提供的检测方法，样品不需要烘干就能进行拉曼光谱检测，这不仅降低了检测成本，也拓宽了分子检测的应用场景，以便于对易挥发、易变性和有毒的分子进行检测。
附图说明
图1示出了本发明的高通量拉曼分子组学检测分析系统的实施例一的示意图，其包括附图标记A标识的表面增强拉曼光学检测模块和附图标记B标识的人工智能生信分析算法模块，并示出每个模块内的各个独立组件。
图2为本发明实施例一的同时测量两个样品的光谱的原理图。
图3示出了本发明的高通量拉曼分子组学检测分析系统的实施例二的示意图。
图4示出了本发明的实施例的高通量拉曼分子组学检测分析方法的流程图。
图5示出了本发明的高通量拉曼分子组学检测分析系统的优选实施例的自动化采集流程图。
图6示出了本发明的高通量拉曼分子组学检测分析系统的实施例一采集到样品的表面增强拉曼光谱。
图7是去除宇宙射线和背景噪声后的表面增强拉曼光谱。
图8是导入拉曼分子组学数据库中的十种代谢小分子光谱数据。
图9是利用生信分析算法模块选取加权非负矩阵分解(NMF-CLS)算法解析处理后的表面增强拉曼光谱数据，得到此细胞裂解液样品中有机小分子的成分和相对含量，结果展示在表1中。
具体实施方式
在本发明技术方案的下列详细描述中，阐述了许多具体细节，以便提供详尽的理解。然而，本领域技术人员显见的是，本实施方式可以在不需要这些具体细节的情况下来实践。本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，如对本实施例部分或者全部材料和技术特征进行等同替换，而这些修改或者替换不使相应技术方案的本质脱离本发明实施例技术方案的范围，都应当属于本发明保护的范围。需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。以下实施例仅作为示例，而不应理解为用于以任何形式限制本发明的保护范围。
在本发明的描述中，需要理解的是，所述的“上”、“中”、“水平”、“竖直”、“垂直于纸面”、“之间”等指示的方向或位置关系为基于附图所示的位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
实施例一
图1示出本发明的高通量拉曼分子组学检测分析系统的优选实施例的示意图，包括表面增强拉曼光学检测模块A和人工智能生信分析算法模块B。
在本实施例中，将细胞代谢物、生物体液中的代谢物或生物组织中代谢物等一种或多种待测样品与纳米试剂充分混合后放入样品容器01和样品容器02中，并固定在样品位移驱动机械组件00上; 样品位移驱动机械组件00为平移结构组件或者旋转结构组件。平移结构组件或者旋转结构组件能够带动样品进行位置运动，从而使得激发光对样品的不同位置进行照射而形成多个测试结果。
在本实施例中，表面增强拉曼光学检测模块A用于产生激发光、将激发光聚焦到样品容器01和02中的样品中并收集经激发光聚焦后的样品所产生的表面增强拉曼信号光。如图1所示，在图1中，实线箭头表示激发光光路，单虚线箭头表示表面增强拉曼信号光光路。
激光器1产生激发光，激发光经非偏振分束镜2进行分束，分束成为反射光和透射光，反射光通过功率调节模块3调节功率后被反射镜4反射，再经二向色镜5反射，反射后的激发光通过物镜6聚焦到样品容器01中的样品上，进而产生背散射表面增强拉曼信号光和透射表面增强拉曼信号光，产生的背散射表面增强拉曼信号光通过物镜6准直成平行的表面增强拉曼信号光，产生的透射表面增强拉曼信号光通过物镜7再被反射镜8反射后准直成平行的表面增强拉曼信号光。同时，经物镜6聚焦后透过样品容器01的激发光再经物镜7和反射镜8再次被利用，即该部分激发光得以再次聚焦到样品容器01中的样品上，重复产生表面增强拉曼信号光，从而进一步增强表面增强拉曼信号强度，缩短检测时间，降低样品容器01中样品表面增强拉曼光谱的信噪比。
样品容器01中样品的表面增强拉曼信号光透过二向色镜5，被反射镜16反射后，通过长波通滤光片18过滤掉激发光，再被聚焦透镜19聚焦到光谱仪20的狭缝处，经光谱仪20光谱分光后被相机21收集，获得样品容器01中样品的表面增强拉曼光谱数据。
激发光经非偏振分束镜2进行分束，透射的激发光被反射镜9反射，反射光通过功率调节模块10调节功率后被反射镜11反射，再经二向色镜12反射，反射后的激发光通过物镜13聚焦到样品容器02中的样品上，产生背散射表面增强拉曼信号光和透射表面增强拉曼信号光，产生的背散射表面增强拉曼信号光通过物镜13准直成平行的表面增强拉曼信号光，产生的透射表面增强拉曼信号光通过物镜14再被反射镜15反射后准直成平行的表面增强拉曼信号光。同时，经物镜13聚焦后透过样品容器02的激发光再经物镜14和反射镜15再次被利用，即该部分激发光得以再次聚焦到样品容器02中的样品上，重复产生表面增强拉曼信号光，从而进一步增强表面增强拉曼信号强度，缩短检测时间，降低样品容器02中样品表面增强拉曼光谱的信噪比。
样品容器02中样品的表面增强拉曼信号光透过二向色镜12，被反射镜17反射后，通过长波通滤光片18过滤掉激发光，再被聚焦透镜19聚焦到光谱仪20的狭缝处，经光谱仪20光谱分光后被相机21收集，获得样品容器02中样品的表面增强拉曼光谱数据。
样品容器01和样品容器02中的样品的表面增强拉曼信号光被聚焦透镜19聚焦到光谱仪20的狭缝中的不同位置，从而实现本发明同时测量两个样品的表面增强拉曼光谱的高通量测量功能。
在本实施例中，人工智能生信分析算法模块B用于将所得到的表面增强拉曼光谱解析出有机小分子的种类、浓度、相对含量等信息。此外，由于表面增强拉曼光谱携带了待测小分子的指纹特征峰的信息，不同小分子的指纹特征峰差异明显，因此能排除大量未知有机小分子对光谱解析的干扰。
在本实施例中，通过样品位移驱动机械组件00改变混合样品的测量位置，测量两个样品的多个位置的表面增强拉曼信号，从而得到多个表面增强拉曼光谱，再结合所述人工智能生信分析算法模块，实现具有高稳定性和准确性的拉曼分子组学检测。
本实施例的人工智能生信分析算法模块包括计算机、拉曼分子组学数据库和生信分析算法程序，拉曼分子组学数据库用于提供可供参考的拉曼分子组学拉曼光谱。具体地，当得到表面增强拉曼信号之后，把数据库内的拉曼分子组学拉曼光谱与得到的信号图谱进行自动比对，经过生信分析算法程序分析之后确定图谱对应的物质，相应地确定样品中的物质种类或者浓度，或者多种物质的浓度比例。
图2用于说明本发明实施例同时测量两个样品的光谱的原理。所述光谱仪20包括光谱仪狭缝23、光谱仪第一凹面镜24、光栅25和光谱仪第二凹面镜26四个重要组成部分。在图2中点划线011处的聚焦光斑为样品容器01中样品的信号光，长划线021处的聚焦光斑为样品容器02中样品的信号光，不同的样品的信号光在光谱仪狭缝23处无重叠。
进一步，在图2中，点划线箭头表示携带样品容器01中样品的光谱信息的信号光，长划线箭头表示携带样品容器02中样品的光谱信息的信号光。在本实施例中聚焦到光谱仪狭缝23处的两束信号光经过光谱仪第一凹面镜24准直并反射到光栅25中，光栅25将两束信号光进行光谱分光，不同波长的信号光沿垂直于纸面的方向分开。分光之后的信号光经光谱仪第二凹面镜26反射并聚焦到相机21中，来自两个不同样品的信号光被聚焦到不同的水平位置，被相机21中不同水平位置的像元收集，并且相机21中沿垂直于纸面方向排列的像元收集到不同波长的信号光，接着就可以通过采集相机21中不同水平位置的光谱数据从而同时测量样品容器01中样品和样品容器01中样品的光谱。
实施例二
请参阅图3，本发明提供了一种实施例：高通量拉曼分子组学检测分析系统，用于实现同时检测三个样品的拉曼分子组学检测分析系统，包括表面增强拉曼光学检测模块A和人工智能生信分析算法模块B。
在本实施例中，将细胞代谢物、生物体液中的代谢物或生物组织中代谢物等一种或多种待测样品与纳米试剂充分混合后放入样品容器01、样品容器02和样品容器03中，并固定在样品位移驱动机械组件00上。
在本实施例中，激光器1产生的激发光经非偏振分束镜2进行分束，分束成为反射光和透射光，透射的激发光再被非偏振分束镜27进行分束，进一步被分束成为新的反射光和透射光。被非偏振分束镜27进行分束后反射的激发光通过功率调节模块28调节功率后被反射镜29反射，再经二向色镜30反射，反射后的激发光通过物镜31聚焦到样品容器03中的样品上，产生背散射表面增强拉曼信号光和透射表面增强拉曼信号光，产生的背散射表面增强拉曼信号光通过物镜31准直成平行的表面增强拉曼信号光，产生的透射表面增强拉曼信号光通过物镜32再被反射镜33反射后准直成平行的表面增强拉曼信号光，同时经物镜31聚焦后透过样品容器03的激发光再经物镜32和反射镜33再次被利用，即该部分激发光得以再次聚焦到样品容器03中的样品上，重复产生表面增强拉曼信号光，从而进一步增强表面增强拉曼信号强度，缩短检测时间，降低样品容器03中样品表面增强拉曼光谱的信噪比。
样品容器03中样品的表面增强拉曼信号光透过二向色镜30，被反射镜34反射后，通过长波通滤光片18过滤掉激发光，再被聚焦透镜19聚焦到光谱仪20的狭缝处，经光谱仪20光谱分光后被相机21收集，获得样品容器03中样品的表面增强拉曼光谱数据。
样品容器01、样品容器02和样品容器03中样品的表面增强拉曼信号光被聚焦透镜19聚焦到光谱仪20的狭缝中的不同位置，从而实现本发明同时测量三个样品的表面增强拉曼光谱的高通量测量功能。
在本实施例中，通过样品位移驱动机械组件00改变混合样品的测量位置，测量三个样品的多个位置的表面增强拉曼信号，从而得到多个表面增强拉曼光谱，再结合所述人工智能生信分析算法模块B，实现具有高稳定性和准确性的拉曼分子组学检测。
实施例三
根据上述两组实施例类推，通过在实施例一中的非偏振分束镜2和反射镜9之间或在实施例一中的激光器1和非偏振分束镜2之间添加重复的光路可以实现四个、五个等更多样品光谱数据的同时采集，实现高通量光谱测量，提高该高通量光谱测量系统的灵活适配性。
图4示出本发明的高通量拉曼分子组学检测分析方法的流程图。
步骤S11，将纳米试剂与待测样品充分混合，并将混合样品放置于样品容器中固定，所述纳米试剂根据不同待测样品有不同的成分，包括但不限于银纳米颗粒胶体、金纳米颗粒胶体等，其与待测样品的混合比例在1:10和10:1之间，具体的使用比例需根据不同待测样品中有机小分子的拉曼散射截面和吸附能力等参数适当调整，如待测样品为细胞裂解液时，通常采用银纳米颗粒胶体作为纳米试剂，使用比例为1:1，待测样品为细胞培养液时，通常采用银纳米颗粒胶体作为纳米试剂，使用比例为9:1；
步骤S12，自动化测量样品多个位置的表面增强拉曼光谱，得到不少于3张同一个样品的表面增强拉曼光谱数据，具体的自动化采集流程参考图5，包括：位移驱动机械组件00的位置与光谱仪初始化、沿横轴/纵轴移动位移驱动机械组件从而改变激发光照射到样品中的位置、采集此位置样品的表面增强拉曼光谱数据、显示和储存此光谱数据、通过识别移动位移驱动机械组件的次数或识别采集光谱的数量判断采集进程，若移动次数或光谱数量等于预设值则结束自动化光谱采集，否则继续上述步骤直至移动次数或光谱数量等于预设值并结束自动化光谱采集；
步骤S13，利用人工智能生信分析算法模块解析所测得的表面增强拉曼光谱，获得有机小分子的种类、浓度、相对含量等信息。具体的解析细节包括：去除宇宙射线；利用数学分析算法如非对称最小二乘平滑法去除拉曼光谱的背景噪声；导入拉曼分子组学数据库中的代谢小分子光谱数据；采用加权非负矩阵分解(NMF-CLS)、神经网络（NN）、支持向量机（SVM）、随机森林（RF）等算法对测试获得的表面增强拉曼散射光谱进行解混，至少获得待测样品中的如下信息之一:有机小分子的种类、浓度或者相对含量，所述已知分子为拉曼分子组学数据库内所含分子。
以检测细胞裂解液中的有机小分子为例详细说明本发明的高通量拉曼分子组学检测分析方法及有益结果：首先取10微升待测的细胞裂解液与纳米试剂即银纳米颗粒胶体按照1:1的比例混合均匀；将混合样品均分两份后放置在样品容器01和样品容器02中并固定在样品位移驱动机械组件00上；按照步骤S12自动化测量样品容器01和样品容器02中样品多个位置的表面增强拉曼光谱，共移动50次位移驱动机械组件00，每个样品分别采集50张表面增强拉曼光谱，共采集100张表面增强拉曼光谱，其结果如图6所示；利用人工智能生信分析算法模块去除宇宙射线和背景噪声，其结果如图7所示；导入拉曼分子组学数据库中的十种代谢小分子光谱数据，包括：CYS-GLY、Cysteamine、Cystine、D-Glucose、Isoleucine、L-Glutamine、L-Lys、Nicotinic.acid、Riboflavin和Tryptamine，它们的拉曼指纹特征光谱如图8所示；利用生信分析算法模块选取加权非负矩阵分解(NMF-CLS)算法解析处理后的表面增强拉曼光谱数据，得到此细胞裂解液样品中有机小分子的成分和相对含量，结果展示在图9的表1中，其中确定此细胞裂解液样品中包含CYS-GLY、Cysteamine、Cystine、D-Glucose、Isoleucine、L-Glutamine、L-Lys、Nicotinic.acid和Tryptamine这五种有机小分子，相对含量分别为51.728%、0.015%、13.223%、2.810%、0.091%、6.612%、17.355%、8.017%和0.149%，并确定此细胞裂解液样品中不包含Riboflavin有机小分子。
本发明提供的检测方法，样品不需要烘干就能进行拉曼光谱检测，这不仅降低了检测成本，也拓宽了分子检测的应用场景，以便于对易挥发、易变性和有毒的分子进行检测。
本发明提供的检测方法，仅使用一台相机和光谱仪，实现多个样品光谱的同时测量，大幅度降低了测量的硬件成本，缩短了测量周期，并从根源消除了不同相机和光谱仪所引入的测量误差，提高了测量的准确性。
本发明提供的检测方法，能同时收集背散射和透射的表面增强拉曼信号光，并提高了激发光的率用率，从而提高了表面增强拉曼光谱的信噪比，提高了拉曼分子组学检测分析能力。
最后应说明的是：上述实施例仅用以说明本发明的技术方案，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，其均应涵盖在本发明的权利要求和说明书的保护范围内。
Claims (10)
1.一种高通量辨拉曼分子组学检测分析系统，其特征在于：包括表面增强拉曼光学检测模块和人工智能生信分析算法模块；
所述表面增强拉曼光学检测模块用于产生激发光、将激发光聚焦到样品室内的混合样品中并自动化收集产生的表面增强拉曼信号光；
所述人工智能生信分析算法模块用于将所获得的表面增强拉曼光谱解析出待测样品的相关信息，相关信息至少包括待测样品中的如下信息之一:有机小分子的种类、浓度或者相对含量。
2.根据权利要求1所述的高通量拉曼分子组学检测分析系统，其特征在于，其中所述拉曼光学检测模块包括样品室、激光器、光学系统、光谱仪和相机；
所述样品室用于容纳和移动待测样品；
所述激光器用于产生激发光；
所述光学系统用于将激发光聚焦到混合样品上，并收集经激发光聚焦的混合样品所产生的表面增强拉曼信号光；所述光学系统包括反射镜、非偏振分束镜、功率调节模块、二向色镜、物镜、长波通滤光片、聚焦透镜；所述反射镜用于反射激发光或表面增强拉曼信号光；所述非偏振分束镜用于将所述激光器产生的激发光分成两束光；所述功率调节模块用于调节入射到混合样品前的激发光的功率；所述二向色镜用于将激发光反射至物镜，并使表面增强拉曼信号光透射；所述物镜用于聚焦激发光至混合样品上；所述长波通滤光片用于将激发光滤掉，并使表面增强拉曼信号光透射；所述聚焦透镜用于将表面增强拉曼信号光聚焦；
所述光谱仪用于将表面增强拉曼信号光中不同波长的光分开；
所述相机用于收集不同波长的拉曼信号光，并转换为电信号，从而获得表面增强拉曼光谱。
3.根据权利要求1所述高通量拉曼分子组学检测分析系统，其特征在于，所述人工智能生信分析算法模块包括计算机、拉曼分子组学数据库和生信分析算法程序；
所述计算机用于控制所述样品室的移动、控制所述相机采集表面增强拉曼光谱以及保存表面增强拉曼光谱数据并完成初步数据处理；
所述拉曼分子组学数据库用于提供可供参考的拉曼分子组学拉曼光谱；
所述生信分析算法程序用于解析出待测样品中有机小分子的信息，至少包括待测样品中的如下信息之一:有机小分子的种类、浓度或者相对含量。
4.根据权利要求1所述的高通量拉曼分子组学检测分析系统，其特征在于，所述表面增强拉曼光学检测模块和人工智能生信分析算法模块通讯连接，通讯连接包括了无线控制连接和有线控制连接，其子模块可以重新组合分配；重新组合分配至少包括下面的模式：将相机并入人工智能生信分析算法模块中，此时人工智能生信分析算法模块具有采集光谱数据的功能。
5.根据权利要求2所述的高通量拉曼分子组学检测分析系统，其特征在于，所述样品室内待测样品能够与外界进行交互，以完成样品的补充、取出或更换。
6.根据权利要求2所述的高通量拉曼分子组学检测分析系统，其特征在于，所述样品室与平移结构组件连接和/或旋转结构组件连接，所述平移结构组件用于带动所述样品室完成水平运动，所述旋转结构组件用于带动所述样品室进行水平转动。
7.根据权利要求2所述的高通量拉曼分子组学检测分析系统，其特征在于，混合样品背散射和透射的表面增强拉曼信号光都能被所述光谱仪和所述相机收集，并且透射过混合样品的激发光被重新利用，再次激发样品，产生可被收集的表面增强拉曼信号光。
8.根据权利要求2所述的高通量拉曼分子组学检测分析系统，其特征在于，所述聚焦透镜用于将多个混合样品的表面增强拉曼信号光聚焦到所述光谱仪的狭缝处，所述聚焦透镜的数量不小于1。
9.根据权利要求2所述的高通量拉曼分子组学检测分析系统，其特征在于，携带样品的表面增强拉曼光谱信息的信号光被所述聚焦透镜聚焦到所述光谱仪的狭缝处，并且在所述光谱仪的狭缝处不同样品的信号光无重叠。
10.一种利用如权利要求1-9中任意一项所述高通量拉曼分子组学检测分析系统进行有机小分子的拉曼分子组学检测分析的方法，包括：
将纳米试剂与待测样品充分混合，并将混合样品放置于样品容器中固定；
自动化测量样品多个位置的表面增强拉曼光谱，得到不少于三张同一个样品的表面增强拉曼光谱数据；
利用人工智能生信分析算法模块解析所测得的表面增强拉曼光谱，以获得有机小分子的种类、浓度或者相对含量的信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311431942.0A CN117388236B (zh) | 2023-10-31 | 2023-10-31 | 一种高通量拉曼分子组学检测分析系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311431942.0A CN117388236B (zh) | 2023-10-31 | 2023-10-31 | 一种高通量拉曼分子组学检测分析系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117388236A true CN117388236A (zh) | 2024-01-12 |
| CN117388236B CN117388236B (zh) | 2024-05-17 |
Family
ID=89435580
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311431942.0A Active CN117388236B (zh) | 2023-10-31 | 2023-10-31 | 一种高通量拉曼分子组学检测分析系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117388236B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013152192A (ja) * | 2012-01-26 | 2013-08-08 | Tokyo Univ Of Science | 有機化合物分析装置及び有機化合物分析方法 |
| CN103718038A (zh) * | 2011-05-29 | 2014-04-09 | 韩国化学研究院 | 高速的基于拉曼分析的多药物高速筛选装置 |
| CN104020153A (zh) * | 2014-06-16 | 2014-09-03 | 中国农业大学 | 一种拉曼光谱检测系统和检测方法 |
| CN104297155A (zh) * | 2014-09-28 | 2015-01-21 | 中国科学院长春光学精密机械与物理研究所 | 一种多通道并行光谱探测系统 |
| CN107748158A (zh) * | 2017-11-03 | 2018-03-02 | 中国科学院重庆绿色智能技术研究院 | 一种显微拉曼成像光谱快速检测装置及方法 |
| CN110441278A (zh) * | 2019-08-29 | 2019-11-12 | 北京卓立汉光仪器有限公司 | 一种使信号倍增的装置及方法 |
| CN115494044A (zh) * | 2022-08-26 | 2022-12-20 | 中国科学院苏州生物医学工程技术研究所 | 基于中阶梯拉曼光谱仪和增强拉曼光谱的血液种属鉴别系统和方法 |
-
2023
- 2023-10-31 CN CN202311431942.0A patent/CN117388236B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103718038A (zh) * | 2011-05-29 | 2014-04-09 | 韩国化学研究院 | 高速的基于拉曼分析的多药物高速筛选装置 |
| JP2013152192A (ja) * | 2012-01-26 | 2013-08-08 | Tokyo Univ Of Science | 有機化合物分析装置及び有機化合物分析方法 |
| CN104020153A (zh) * | 2014-06-16 | 2014-09-03 | 中国农业大学 | 一种拉曼光谱检测系统和检测方法 |
| CN104297155A (zh) * | 2014-09-28 | 2015-01-21 | 中国科学院长春光学精密机械与物理研究所 | 一种多通道并行光谱探测系统 |
| CN107748158A (zh) * | 2017-11-03 | 2018-03-02 | 中国科学院重庆绿色智能技术研究院 | 一种显微拉曼成像光谱快速检测装置及方法 |
| CN110441278A (zh) * | 2019-08-29 | 2019-11-12 | 北京卓立汉光仪器有限公司 | 一种使信号倍增的装置及方法 |
| CN115494044A (zh) * | 2022-08-26 | 2022-12-20 | 中国科学院苏州生物医学工程技术研究所 | 基于中阶梯拉曼光谱仪和增强拉曼光谱的血液种属鉴别系统和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117388236B (zh) | 2024-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ekins | Pharmaceutical applications of Raman spectroscopy | |
| US5815262A (en) | Apparatus for parallelized two-photon fluorescence correlation spectroscopy (TPA-FCS), and the use thereof for screening active compounds | |
| KR101361652B1 (ko) | 라만 분석 기반 고속 다중 약물 고속 스크리닝 장치 | |
| CN110687089B (zh) | 基于单细胞检测的高通量并行拉曼光谱仪 | |
| US8253936B2 (en) | Raman characterization of transplant tissue | |
| US10545091B2 (en) | Device and method for analyzing biological objects with Raman spectroscopy | |
| CN109297949B (zh) | 显微影像结合透射拉曼光谱的肿瘤细胞检测方法及装置 | |
| US9002113B2 (en) | Processing and analyzing hyper-spectral image data and information via dynamic database updating | |
| WO2015181872A1 (ja) | 光学分析装置 | |
| DE112011100038T5 (de) | Verfahren zur Entwicklung von Erkennungsalgorithmen für die laserinduzierte PlasmaEmissionsspektroskopie | |
| Kiselev et al. | Design and first applications of a flexible Raman micro-spectroscopic system for biological imaging | |
| Navas-Moreno et al. | Laser tweezers Raman microspectroscopy of single cells and biological particles | |
| CN111707655A (zh) | 用于大面积表面增强拉曼基底性能评价的自动化装置 | |
| CN117388236B (zh) | 一种高通量拉曼分子组学检测分析系统及方法 | |
| US20120252058A1 (en) | System and Method for the Assessment of Biological Particles in Exhaled Air | |
| Wang et al. | Low-resolution Raman enables a low-cost, fully automated Raman microscope for microspectroscopic analysis | |
| JP2008529091A (ja) | 可変視野照射のための方法および装置 | |
| Podilchuk et al. | Perceptually based low bit rate video coding | |
| Landari et al. | Microscope-FTIR spectrometry based sensor for neurotransmitters detection | |
| US6870613B1 (en) | Simultaneous recording of multispectral fluorescence signatures | |
| Garidel et al. | Non-invasive fourier transform infrared microspectroscopy and imaging techniques: basic principles and applications | |
| JP2005055180A (ja) | 細菌同定装置及び細菌同定方法 | |
| CN220772936U (zh) | 一种空间偏移拉曼光谱检测装置 | |
| Premadasa et al. | Spatially co-registered wide-field nonlinear optical imaging of living and complex biosystems in a total internal reflection geometry | |
| Sil et al. | Raman Spectroscopy Applications for Bacterial Detection: Potential and Challenges Towards Development of Field Deployable System |
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 |