KR20170115907A - Classification of Raman signals of exosomes by pattern recognition and the method of diagnosis of cells - Google Patents
Classification of Raman signals of exosomes by pattern recognition and the method of diagnosis of cells Download PDFInfo
- Publication number
- KR20170115907A KR20170115907A KR1020160043731A KR20160043731A KR20170115907A KR 20170115907 A KR20170115907 A KR 20170115907A KR 1020160043731 A KR1020160043731 A KR 1020160043731A KR 20160043731 A KR20160043731 A KR 20160043731A KR 20170115907 A KR20170115907 A KR 20170115907A
- Authority
- KR
- South Korea
- Prior art keywords
- exosomes
- raman
- cell
- cells
- signal
- Prior art date
Links
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
- 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
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/483—Physical analysis of biological material
Abstract
본 발명은 패턴인식을 통한 엑소좀의 라만 신호 분류법 및 세포 진단 방법에 관한 것이며, 보다 상세하게는 암 세포와 정상 세포로부터 유래한 엑소좀을 라만 분광법을 통해 라만 신호를 획득하고, 상기 획득된 라만 신호를 정규화시켜 주성분분석법(PCA)을 수행하여 암 세포와 정상 세포를 보다 정확하게 구분하여 암의 조기 진단을 수행할 수 있으며, 나아가 환자 친화적인 진단 방법을 제공할 수 있다.The present invention relates to a Raman signal classification method and a cell diagnosis method of exosomes through pattern recognition, and more particularly, to a method for classifying exosomes derived from cancer cells and normal cells by Raman spectroscopy, (PCA) by performing normalization of the signal to discriminate cancer cells and normal cells more precisely, thereby enabling early diagnosis of cancer and further providing a patient-friendly diagnostic method.
Description
본 발명의 목적은 암 세포와 정상 세포로부터 유래한 엑소좀을 라만분광법 및 주성분분석법을 이용하여, 보다 정확하게 구분하기 위한 패턴인식을 통한 엑소좀의 라만 신호 분류 방법 및 세포 진단 방법에 관한 것이다.An object of the present invention is to provide a method and a method for classifying Raman signal of exosomes by pattern recognition for more precisely distinguishing exosomes derived from cancer cells and normal cells using Raman spectroscopy and principal component analysis.
엑소좀(exosome)은 세포에서 분비되고, 50~200nm 크기를 가지며, 모세포의 특성을 포함하는 입자이다. 엑소좀은 세포가 내포 작용으로 인하여 세포 내부에 다포성소체를 만든 뒤, 이들이 외포 작용에 의해 나감으로써 생성된다. 따라서 엑소좀은 생체막으로 구성되며, 그 내부에 mRNA, RNA 및 단백질 등을 포함하고 있다. 상기 물질들을 수송하며 엑소좀은 세포간 신호전달(intercellular communication)을 수행한다. 특히 암세포에서 유래된 엑소좀은 암의 전이에 관여하여 다른 정상세포가 암세포로 변이하도록 영향을 미친다.An exosome is a particle that is secreted from a cell, has a size of 50 to 200 nm, and contains the characteristics of a cell. The exosomes are produced by the cell's internal functioning to create a multipotent body inside the cell and then excrete by the external action. Thus, exosomes are composed of biomembranes and contain mRNA, RNA, and proteins. The substances are transported and the exosomes perform intercellular communication. In particular, exosomes derived from cancer cells are involved in cancer metastasis, so that other normal cells are transformed into cancer cells.
라만분광법은 조사되는 빛의 비탄성 산란(inelastic scattering)을 이용하여 분자의 진동상태를 구분해낸다. 분자의 진동상태는 물질의 고유적인 특성이므로 라만분광에 의해 생기는 분광그래프 또한 물질 고유의 그래프이다. 표면 증강 라만 분광법(SERS, Surface enhanced Raman spectroscopy)은 기존의 신호 세기가 약한 라만분광법의 단점을 극복한 기술이다. 이를 이용하면 신호의 세기가 증폭되어 구분이 되지 않던 라만신호가 구분된다. 그 중 금 나노 파티클을 염으로 이용하여 서로 응집시킨 구조는 제작 방법도 매우 간단하며 신호를 증폭시킬 수 있기에 효율적인 표면 증강 라만 분광법의 기판이다. 그러나, 단일 분자가 아닌 생체입자의 라만신호는 복잡한 양상을 띠고 있어 후처리 과정 없이는 해석이 매우 힘들다.Raman spectroscopy uses inelastic scattering of light to separate the vibrational states of molecules. Since the vibrational state of a molecule is an intrinsic property of a material, a spectroscopic graph generated by Raman spectroscopy is also a material specific graph. Surface enhanced Raman spectroscopy (SERS) overcomes the disadvantages of Raman spectroscopy with weak signal strength. Using this, the Raman signal can be distinguished because the intensity of the signal is amplified. Among them, gold nanoparticles are used as a salt to aggregate each other. It is a substrate of surface enhanced Raman spectroscopy because it is very simple to manufacture and can amplify signals. However, the Raman signal of non-single-molecule biomolecules is complicated and difficult to interpret without post-processing.
주성분분석법(PCA, Principal component analysis)은 많은 변수들을 원하는 몇 개의 변수만으로 축소시키는 기법이다. 이를 이용하여 기존의 다차원 스펙트럼을 몇 개의 변수로 디콘볼루션(deconvolution)하여 2차원으로 만들 수 있고, 차원을 축소시키거나, 주성분이 어느 것인지를 확인하고자 할 때 사용이 가능하다.Principal component analysis (PCA) is a technique that reduces many variables to only a few desired variables. Using this, it is possible to deconvolute existing multidimensional spectra into several variables to make them two-dimensional, to reduce the dimension, and to check which component is the main component.
암은 세계적으로 매년 인구 10만 명당 대략 270명 정도 발병하고, 대략 30%가 이로 인해 사망한다. 폐암의 경우 5년 생존율이 22%로 매우 낮은 편이고, 원격 전이가 되었을 경우 그 생존율은 5%로 급격히 떨어진다. 이처럼 암은 조기진단 및 치료가 매우 중요한 질병이다.Cancer affects approximately 270 people worldwide per 100,000 people each year, and approximately 30% of them die from it. The 5-year survival rate of lung cancer is very low (22%), and the survival rate drops to 5% when distant metastasis occurs. Thus, early detection and treatment of cancer is a very important disease.
암의 조기 진단 방법에는 여러 가지 방법이 존재하나, 보다 향상된 정확도를 가지며, 환자 친화적인 암의 진단 방법이 필요한 실정이다.There are various methods for early diagnosis of cancer, but there is a need for a diagnosis method of cancer-friendly cancer with improved accuracy.
본 발명은 상기와 같은 문제점을 해결하기 위한 것으로, 정확한 암의 조기 진단 및 환자 친화적인 진단 방법을 제공하기 위하여 패턴인식을 통한 엑소좀의 라만 신호 분류법 및 세포 진단 방법을 제공하는 것을 목적으로 한다.It is an object of the present invention to provide a method for classifying Raman signal of exosomes and a cell diagnosis method using pattern recognition in order to provide an accurate diagnosis of cancer and a patient-friendly diagnosis method.
본 발명의 일실시예에 따른 패턴인식을 통한 엑소좀의 라만 신호 분류법은, 암 세포로부터 유래한 엑소좀 및 정상 세포로부터 유래한 엑소좀으로부터 라만 신호를 측정하는 단계; 및 상기 암 세포와 정상세포 유래 엑소좀을 주성분분석법으로 분류하는 단계를 포함한다.The method of classifying Raman signals of exosomes by pattern recognition according to an embodiment of the present invention includes measuring Raman signals from exosomes derived from cancer cells and exosomes derived from normal cells; And classifying the cancer cells and normal cell-derived exosomes by a principal component analysis method.
또한, 본 발명에 따른 상기 주성분분석법으로 분류하는 단계는 상기 라만 신호의 파장을 복수 개로 등분하여 각 등분된 파장대에서의 신호값을 변수로 하여 진행되는 것을 특징으로 한다.The classification by the principal component analysis method according to the present invention is characterized in that the wavelength of the Raman signal is divided into a plurality of wavelengths and the signal values in each of the divided wavelength ranges are used as parameters.
또한, 본 발명에 따른 상기 주성분분석법으로 분류하는 단계에서 암 세포 영역과 정상 세포 영역으로 구분되는 것을 특징으로 한다.In addition, in the step of classifying by the principal component analysis method according to the present invention, the cancer cell region and the normal cell region are distinguished.
또한, 본 발명에 따른 상기 암 세포는 폐암 세포인 것을 특징으로 한다.In addition, the cancer cell according to the present invention is a lung cancer cell.
또한, 본 발명에 따른 세포 진단 방법은 엑소좀의 라만 신호를 분류하는 단계; 및 임의 세포로부터의 라만 신호를 측정하는 단계; 및 상기 측정된 라만 신호를 상기 분류된 엑소좀의 라만 신호와 비교하는 단계; 및 상기 비교하는 단계의 결과에 따라 상기 임의 세포의 종류가 결정되는 단계를 포함한다.In addition, the method of diagnosing a cell according to the present invention comprises classifying Raman signals of exosomes; And measuring a Raman signal from any cell; And comparing the measured Raman signal with the Raman signal of the classified exosomes; And determining the type of the arbitrary cell according to a result of the comparing step.
그리고, 본 발명에 따른 상기 임의 세포의 라만 신호는 파장을 복수 개로 등분하여 신호값을 얻는 것을 특징으로 한다.The Raman signal of the arbitrary cell according to the present invention is characterized in that a signal value is obtained by equally dividing a wavelength into a plurality of Raman signals.
본 발명은 폐암 세포로부터 유래한 H1299 등의 엑소좀의 라만 신호를 분석하고, 이를 정상세포인 폐포(alveolar cell)로부터 유래한 엑소좀의 라만 신호와 비교 및 분석할 수 있으며, 상기 분석 결과에 따라, 암 세포와 정상 세포를 용이하게 구분할 수 있다.The present invention can analyze Raman signals of exosomes such as H1299 derived from lung cancer cells and compare them with Raman signals of exosomes derived from alveolar cells of normal cells. , Cancer cells and normal cells can be easily distinguished.
또한, 본 발명은 X선 검사, 생체 검사 등의 기존 암 진단 방법과 비교하여 보다 환자 친화적인 진단 방법을 통해 암 세포와 정상 세포를 구분하는 방법을 제시할 수 있다.In addition, the present invention can provide a method of distinguishing between cancer cells and normal cells through a more patient-friendly diagnosis method as compared with existing cancer diagnosis methods such as X-ray examination and biopsy.
그리고, 본 발명의 일 실시예에 따르면, 컴퓨터 프로그램을 이용하여 보다 용이하게 엑소좀의 라만 신호를 해석 및 분류할 수 있다.According to an embodiment of the present invention, a computer program can be used to more easily analyze and classify Raman signals of exosomes.
도 1은 본 발명의 일 실시예에 따른 엑소좀의 라만 신호 분류방법의 단계도이다.
도 2는 본 발명의 일 실시예에 따라 폐암세포인 H522와 H1299, 그리고 정상세포(Alveolar)에서 측정된 라만신호 결과이다.
도 3은 상기 등분된 라만시프트 파장대의 신호값을 기준으로 폐암세포와 암세포를 주성분분석법으로 분류한 결과이다.
도 4는 본 발명의 또 다른 일 실시예에 따른 세포 진단 방법의 단계도이다.
도 5는 본 발명의 일 실시예에 따른 라만 신호 분석방법의 모식도이다.
도 6은 본 발명의 일 실시예에 따라 주성분분석법(PCA)으로 분석한 score plot이다.
도 7은 본 발명의 일 실시예에 따라 주성분 분석법(PCA)으로 분석한 loading plot이다.1 is a diagram illustrating a method of classifying Raman signals of exosomes according to an embodiment of the present invention.
FIG. 2 is a graph showing Raman signals measured in lung cancer cells H522 and H1299 and normal cells (Alveolar) according to an embodiment of the present invention.
FIG. 3 shows results of classifying lung cancer cells and cancer cells by principal component analysis based on the signal values of the equally divided Raman shift wavelength band.
4 is a block diagram of a cell diagnosis method according to another embodiment of the present invention.
5 is a schematic diagram of a Raman signal analysis method according to an embodiment of the present invention.
Figure 6 is a score plot analyzed by Principal Component Analysis (PCA) according to one embodiment of the present invention.
Figure 7 is a loading plot analyzed by Principal Component Analysis (PCA) according to one embodiment of the present invention.
이하 본 발명의 바람직한 실시를 보다 상세하게 설명한다. 그러나 본 발명은 다수의 상이한 형태로 구현될 수 있고, 기술된 실시 예에 제한되지 않음을 이해하여야 한다. 하기에 설명되는 본 발명의 실시 예는 당업자에게 본 발명의 사상을 충분하게 전달하기 위한 것임에 유의하여야 한다.Hereinafter, preferred embodiments of the present invention will be described in detail. It should be understood, however, that the invention can be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. It should be noted that the embodiments of the present invention described below are intended to sufficiently convey the spirit of the present invention to those skilled in the art.
본 발명은 상술한 문제를 해결하기 위하여, 암 세포로부터 유래한 엑소좀 및 정상 세포로부터 유래한 엑소좀으로부터 라만 신호의 신호값을 등분한 후, 각 신호값을 변수로 하여 이를 주성분분석법을 분류하여 암고 정상세포 영역을 분류하는 방법을 제공한다.In order to solve the above-mentioned problem, the present invention classifies signal values of Raman signals from exosomes derived from cancer cells and exosomes derived from normal cells, divides the signal values into variables, and classifies them into principal component analysis methods Lt; RTI ID = 0.0 > normal < / RTI > cell region.
도 1은 본 발명의 일 실시예에 따른 엑소좀의 라만 신호 분류방법의 단계도이다.1 is a diagram illustrating a method of classifying Raman signals of exosomes according to an embodiment of the present invention.
도 1을 참조하면, 본 발명의 일 실시예에 따른 엑소좀의 라만 신호 분류방법은, 암 세포로부터 유래한 엑소좀 및 정상 세포로부터 유래한 엑소좀으로부터 라만 신호를 측정하는 단계; 및 상기 암 세포와 정상세포 유래 엑소좀을 주성분분석법으로 분류하는 단계를 포함하는 패턴인식을 통한 엑소좀의 라만 신호 분류방법을 제공한다.Referring to FIG. 1, a method for classifying Raman signals of exosomes according to an embodiment of the present invention includes measuring Raman signals from exosomes derived from cancer cells and exosomes derived from normal cells; And classifying the cancer cells and the exocomes derived from normal cells by a principal component analysis method.
본 발명의 일 실시예에서는 암세포 유래 엑소좀과 정상세포 유래 엑소좀에 785nm 파장대의 레이저를 조사하여 라만신호를 측정하였는데, 상기 측정된 라만신호의 라만시프트 신호를 474cm- 1 부터 1800cm-1까지 1030 등분하여 이를 주성분분석법의 변수로 활용한다. In an embodiment of the present invention it was measured for Raman signal by irradiating a laser of 785nm wavelength, and some cancer cells to normal cells derived from exo-exo-bit origin, Raman shift signal of the measured Raman signal 474cm - 1 to 1800cm -1 1030 And this is used as a parameter of the principal component analysis method.
도 2는 본 발명의 일 실시예에 따라 폐암세포인 H522와 H1299, 그리고 정상세포(Alveolar)에서 측정된 라만신호 결과이다. FIG. 2 is a graph showing Raman signals measured in lung cancer cells H522 and H1299 and normal cells (Alveolar) according to an embodiment of the present invention.
도 2를 참조하면, 정상세포와 달리 폐암세포는 일부 라만시프트 파장대에서 특징적인 피크값을 보이는 것을 알 수 있다(적색 부분 참조). Referring to FIG. 2, it can be seen that, unlike normal cells, lung cancer cells exhibit characteristic peak values at a certain Raman shift wavelength band (see red part).
도 3은 상기 등분된 라만시프트 파장대의 신호값을 기준으로 폐암세포와 암세포를 주성분분석법으로 분류한 결과이다. FIG. 3 shows results of classifying lung cancer cells and cancer cells by principal component analysis based on the signal values of the equally divided Raman shift wavelength band.
도 3을 참조하면, 상기 분류 결과 중 붉은색 면은 폐암군, 파란색 면은 정상세포군이다. 즉, 본 발명은 상기 주성분분석법으로 분류하는 단계에서 암 세포 영역과 정상 세포 영역으로 라만 신호를 구분하며, 그 결과를 임의 세포의 라만 신호와 비교하여 상기 임의 세포가 정상세포인지 또는 암세포인지를 구분한다. Referring to FIG. 3, the red color plane of the classification result is a lung cancer group, and the blue plane is a normal cell group. That is, the present invention distinguishes a Raman signal from a cancer cell region and a normal cell region in the step of classifying by the principal component analysis method, and compares the result with a Raman signal of an arbitrary cell to determine whether the arbitrary cell is a normal cell or a cancer cell do.
도 4는 본 발명의 또 다른 일 실시예에 따른 세포 진단 방법의 단계도이다. 4 is a block diagram of a cell diagnosis method according to another embodiment of the present invention.
도 4를 참조하면, 상기 세포 진단 방법은, 상술한 방법에 따라 엑소좀의 라만 신호를 분류하는 단계; 임의 세포로부터의 라만 신호를 측정하는 단계; 상기 측정된 라만 신호를 상기 분류된 엑소좀의 라만 신호와 비교하는 단계; 및 상기 비교하는 단계의 결과에 따라 상기 임의 세포의 종류가 결정되는 단계를 포함하는 것을 특징으로 하는 세포 진단 방법을 제공한다.Referring to FIG. 4, the method for diagnosing a cell includes the steps of classifying Raman signals of exosomes according to the above-described method; Measuring a Raman signal from an arbitrary cell; Comparing the measured Raman signal to a Raman signal of the classified exosomes; And determining the type of the arbitrary cell according to a result of the comparing step.
즉, 본 발명에서 상기 임의 세포의 라만 신호는 제 2항과 동일하게 등분되어 신호값을 얻으며, 이에 따라 미리 분류된 결과와 이를 매칭하여 그 결과가 도 3의 붉은색 면에 있는 경우, 암일 가능성이 높은 세포로 판단하여, 암을 진단한다.That is, in the present invention, the Raman signal of the arbitrary cell is divided into the same signal as that of the second term to obtain a signal value, and when the result is matched to the previously classified result, if the result is in the red face of FIG. 3, It is judged to be a high cell and diagnoses cancer.
1. 엑소좀 분리1. Isolation of exosome
암 세포 및 정상 세포를 24~48시간 키운 각각의 배지 50ml를 원심분리기에서 500×g의 조건으로 원심분리시킨 후, 바닥에 엉긴 세포 파편을 제외한 상층액만을 분리시켰다. 상기 분리시킨 상층액을 다시 10,000×g의 조건으로 원심분리시키고, 세포파편들을 제외한 상층액만을 여과시켰다. 상기 여과시킨 상층액을 100,000의 분획분자량(MWCO, molecular weight cut-off)을 가지는 필터(centrifugal filter)를 이용하여 농축시켰다. 상기 농축액을 컬럼크로마토그래피를 이용하여 크기별로 분류하고, 나노입자분석기(DLS, dynamic light scattering) 또는 NTA(nanoparticle tracking analysis)를 이용하여 엑소좀에 해당하는 50~200nm 부분만을 분류하였다.Cancer cells and normal cells were cultured for 24 to 48 hours in 50 ml of each medium by centrifugation under the condition of 500 × g in a centrifuge, and then only the supernatant except for the cellular debris collected at the bottom was separated. The separated supernatant was again centrifuged under the condition of 10,000 × g, and only the supernatant except for cell debris was filtered. The filtered supernatant was concentrated using a centrifugal filter with a molecular weight cut-off (MWCO) of 100,000. The concentrate was classified by size using column chromatography, and only 50 to 200 nm portions corresponding to exosomes were classified using dynamic light scattering (DLS) or nanoparticle tracking analysis (NTA).
2. 표면 증강 라만 분석법(SERS, Surface enhanced Raman spectroscopy)2. Surface enhanced Raman spectroscopy (SERS)
커버글라스 위에 금 나노 파티클과 10mM의 CuSO4를 처리하고, 상온에서 건조시켰다. 상기의 과정으로 제작된 기판 위에 엑소좀을 처리리고 상온에서 건조시켰다. 10mW의 785nm 레이저를 엑소좀 위에 조사하고, 스펙트로미터 앞에 785nm의 필터를 설치하고 획득 시간은 10초로 설정하여, 스펙트로미터에서 찍히는 400~2200nm의 라만 신호를 얻었다.The cover glass was treated with gold nanoparticles and 10 mM CuSO 4 and dried at room temperature. The exosomes were treated on the substrate prepared as above and dried at room temperature. A 10mW 785nm laser was irradiated onto the exosomes, a 785nm filter was placed in front of the spectrometer and the acquisition time was set to 10 seconds to obtain a 400-2200nm Raman signal from the spectrometer.
3. 주성분분석법(PCA, Principal component analysis)3. Principal component analysis (PCA)
상기 표면 증강 라만 분석법을 통해 획득된 라만 신호의 baseline을 깎고, 전체 신호의 면적이 1이 되도록 정규화시켰다. 각 세포군별로 얻은 라만 신호를 MATLAB 프로그램을 이용하여 주성분분석(PCA)을 진행하였으며, 이 때 주성분(Principal component)는 구분이 잘되는 축을 선택하여 사용하였다.The baseline of the Raman signal obtained by the surface enhancement Raman analysis method was cut and normalized such that the area of the entire signal was 1. Principal component analysis (PCA) was performed using the MATLAB program for each Raman signal obtained for each cell group.
보다 구체적으로, 주성분분석법(PCA)을 수행함에 있어서, 각 폐암세포 유래의 엑소좀, 페포 유래의 엑소좀, PBS의 라만 신호를 1030개의 wavenumber로 나누어(474.655cm-1, 476.123cm-1, 477.590cm- 1, ... ,1799.126cm-1) variable로 설정한 후, 각각의 샘플이 최대 공분산을 이루도록 하는 축인 PC 2개를 채택하여 score plot에 점(각 샘플별 라만 신호)으로 나타낸다. 도 6은 폐암세포(H1299) 유래의 엑소좀, 폐포(alveolar) 유래의 엑소좀, PBS의 라만 신호를 각각 빨간색, 파란색, 검은색의 점으로 나타낸 score plot이다. 상기 도 6의 score plot으로부터 각각의 세포군의 엑소좀이 서로 분리되는 것을 확인할 수 있다.More specifically, in performing a principal component analysis (PCA), exo-bit of each lung cancer cell-derived, some of pepo derived exo, dividing the Raman signal of the PBS 1030 to the two wavenumber (474.655cm -1, 476.123cm -1, 477.590 cm - 1, ..., 1799.126cm -1 ) was set to the variable, by adopting an axis PC 2 dogs each sample to achieve maximum covariance represents the point (Raman signal) of each sample on a score plot. 6 is a score plot showing exosomes derived from lung cancer cells (H1299), exosomes derived from alveolar, and Raman signals of PBS as red, blue, and black dots, respectively. From the score plot of FIG. 6, it can be seen that the exosomes of the respective cell groups are separated from each other.
이 때, 상기 엑소좀의 분리 기준은 loading plot을 이용하여 확인할 수 있다. 도 7은 loading plot을 나타내며, 가로축은 PC 1으로, 세로축은 PC 2로 이루어진 점들을 통합한 것을 뜻한다. 암 세포의 라만 신호가 PC 1의 음의 peak 부분(도 7의 파란색 삼각형)에서 intensity가 높고, PC 2의 양의 peak 부분(도 7의 빨간색 삼각형)에서 intensity가 높은 경우, 상기 도 6의 score plot에서 좌측 상단에 점들이 찍히게 된다. 즉, 각 PC의 peak들이 폐암 세포 유래의 엑소좀, 폐포 유래의 엑소좀, PBS의 라만 신호를 분류하는 기준 peak로 작용할 수 있다.At this time, the separation standard of the exosome can be confirmed using a loading plot. Figure 7 shows a loading plot, with the horizontal axis representing PC 1 and the vertical axis representing PC 2 integration. When the intensity of the Raman signal of the cancer cell is high in the negative peak portion of PC 1 (blue triangle in FIG. 7) and in the positive peak portion of PC 2 (red triangle in FIG. 7) In the plot, dots are drawn at the upper left corner. That is, the peaks of each PC can serve as a reference peak for classifying the exosomes derived from lung cancer cells, exosomes derived from alveoli, and Raman signals of PBS.
<실시예 1>≪ Example 1 >
표면 증폭 라만 산란(SERS)을 위한 기판을 제작하기 위하여 80nm의 금 나노 파티클 5㎕를 커버 글라스 위에 처리하고, CuSO4를 이용하여 응집시킨 후 건조시켰다. 상기 건조된 금 나노 파티클 위에 1×109particle/ml의 엑소좀 50㎕를 처리한 후, 다시 건조시켰다. 상기 건조시킨 커버글라스를 현미경 위에 올린 후, 파장이 785nm인 레이저로 조사하고, 방출되는 산란광을 분광기를 통하여 측정하였다. 이에 따라, 획득되는 500~2000cm-1에 해당하는 라만 산란을 추출하였다. 그 결과, 암 세포로부터 유래한 엑소좀 및 정상 세포로부터 유래한 엑소좀으로부터 라만 신호를 측정할 수 있었다. 도 5는 본 발명의 일 실시예에 따른 라만 신호 분석방법의 모식도이다.Surface Amplification To prepare a substrate for Raman scattering (SERS), 5 μl of 80 nm gold nanoparticles were treated on cover glasses, coagulated with CuSO 4 and dried. The dried gold nanoparticles were treated with 50 占 퐇 of 1 × 10 9 particles / ml of exosome and then dried again. The dried cover glass was placed on a microscope, irradiated with a laser having a wavelength of 785 nm, and scattered light emitted was measured through a spectroscope. Thus, Raman scattering corresponding to the obtained 500 to 2000 cm -1 was extracted. As a result, Raman signals could be measured from exosomes derived from cancer cells and exosomes derived from normal cells. 5 is a schematic diagram of a Raman signal analysis method according to an embodiment of the present invention.
본 발명에서는 상기 암 세포와 정상세포로부터 유래한 엑소좀을 주성분분석법을 통하여 분류하기 위하여, 통제 집단으로 PBS 용액을 이용했고, 암 세포는 H1299(폐암)를 사용 했으며, 정상 세포는 폐포(Alveolar cell)를 사용하였다. 이로부터 유래한 엑소좀의 라만 산란 그래프를 종류별로 측정한 뒤, 주성분분석(PCA)을 수행하였다.In the present invention, PBS solution was used as a control group and H1299 (lung cancer) was used as a control group in order to classify the exosomes derived from the cancer cells and normal cells by principal component analysis. Normal cells were alveolar cells ) Was used. The Raman scattering graph of the exosomes derived therefrom was measured by type, and PCA (Principal Component Analysis) was performed.
특히, 상기 주성분분석법을 수행하기 위하여 상기 측정된 라만 신호의 파장을 복수 개로 등분하여 각 등분된 파장대에서의 신호값을 변수로 이용하여 진행되도록 하였다. 또한, 주성분분석은 90%의 confidence ellipse를 가지도록 원을 구분하였다.Particularly, in order to perform the principal component analysis, the measured wavelength of the Raman signal is divided into a plurality of wavelengths, and signal values at each divided wavelength band are used as parameters. Principal component analysis also distinguished the circles to have a confidence ellipse of 90%.
그 결과, 암 세포 영역과 정상 세포 영역으로 서로의 영역이 각각 구분되어, 암의 조기 진단이 가능한 것을 확인할 수 있었다.As a result, it was confirmed that cancer cells can be diagnosed early by distinguishing the regions between the cancer cell region and the normal cell region.
H1299(폐암) 및 Alveolar cell(폐포)로부터 유래한 엑소좀의 라만 신호를 획득하고, 상기 획득된 라만 신호로부터 라만픽을 구분하였다. 상기 획득된 라만 신호를 주성분분석(PCA)을 통하여 폐암 세포와 정상 세포로부터 유래한 엑소좀을 구분할 수 있었으며, 그 결과는 상기 도 2 내지 3에 도시된 바와 같다.The Raman signal of exosomes derived from H1299 (lung cancer) and Alveolar cell (alveolar) was obtained and Raman peek was distinguished from the obtained Raman signal. The obtained Raman signal could be distinguished from lung cancer cells and exosomes derived from normal cells through principal component analysis (PCA). The results are shown in FIGS.
본 발명의 또 다른 실시예로, 폐암에 해당하는 다른 암세포를 이용하거나 섬유아세포 등의 다른 정상세포를 사용할 수 있다. 또한, 혈액암 세포로부터 유래한 엑소좀과 정상 세포로부터 유래한 엑소좀을 구분할 수 있다.As another embodiment of the present invention, other cancer cells corresponding to lung cancer may be used or other normal cells such as fibroblasts may be used. In addition, an exosome derived from a blood cancer cell and an exosome derived from a normal cell can be distinguished.
엑소좀의 라만 신호를 분류하여 임의의 세포로부터의 라만 신호를 측정하고, 상기 측정된 라만 신호를 상기 분류된 엑소좀의 라만 신호와 비교하였다. 그 후, 상기 비교 결과에 따라 상기 임의의 세포의 종류를 결정하였다. 상기 기재된 방법에 따라, 세포 진단이 가능한 것을 확인할 수 있다.Raman signals from exosomes were classified to measure Raman signals from arbitrary cells, and the measured Raman signals were compared with Raman signals of the classified exosomes. Then, the type of the arbitrary cells was determined according to the result of the comparison. According to the method described above, it is confirmed that cell diagnosis is possible.
특히, 상기 임의의 세포의 라만 신호는 파장을 복수 개로 등분하여 각 등분된 파장대에서의 신호값을 획득할 수 있다.In particular, the Raman signal of the arbitrary cell can be obtained by equally dividing the wavelength into a plurality of wavelengths, and obtaining the signal value at each divided wavelength band.
이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is clearly understood that the same is by way of illustration and example only and is not to be construed as limiting the scope of the invention as defined by the appended claims. It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention.
Claims (6)
상기 암 세포와 정상세포 유래 엑소좀을 주성분분석법으로 분류하는 단계를 포함하는 패턴인식을 통한 엑소좀의 라만 신호 분류방법.Measuring a Raman signal from an exosome derived from cancer cells and an exosome derived from normal cells; And
And classifying the cancer cells and normal cell-derived exosomes by principal component analysis.
상기 주성분분석법으로 분류하는 단계는 상기 라만 신호의 파장을 복수 개로 등분하여 각 등분된 파장대에서의 신호값을 변수로 하여 진행되는 것을 특징으로 하는 패턴인식을 통한 엑소좀의 라만 신호 분류방법.The method according to claim 1,
Wherein the classification by the principal component analysis method is performed by dividing the wavelength of the Raman signal into a plurality of signals and proceeding with signal values at each divided wavelength band as a variable.
상기 주성분분석법으로 분류하는 단계에서 암 세포 영역과 정상 세포 영역으로 구분되는 것을 특징으로 하는 패턴인식을 통한 엑소좀의 라만 신호 분류방법.3. The method of claim 2,
Wherein the cancerous cell region and the normal cell region are classified into the cancer cell region and the normal cell region in the classification by the principal component analysis method.
상기 암 세포는 폐암 세포인 것을 특징으로 하는 엑소좀의 라만 신호 분류방법.The method according to claim 1,
Wherein the cancer cell is a lung cancer cell.
임의 세포로부터의 라만 신호를 측정하는 단계; 및
상기 측정된 라만 신호를 상기 분류된 엑소좀의 라만 신호와 비교하는 단계; 및
상기 비교하는 단계의 결과에 따라 상기 임의 세포의 종류가 결정되는 단계를 포함하는 것을 특징으로 하는 암세포 진단 방법.5. A method for diagnosing exosomes comprising: classifying Raman signals of exosomes according to any one of claims 1 to 4; And
Measuring a Raman signal from an arbitrary cell; And
Comparing the measured Raman signal to a Raman signal of the classified exosomes; And
Wherein the type of the arbitrary cell is determined according to a result of the comparing step.
상기 임의 세포의 라만 신호는 제 2항과 동일하게 등분되어 신호값을 얻는 것을 특징으로 하는 암세포 진단 방법.6. The method of claim 5,
Wherein the Raman signal of the arbitrary cell is equally divided as in claim 2 to obtain a signal value.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160043731A KR20170115907A (en) | 2016-04-08 | 2016-04-08 | Classification of Raman signals of exosomes by pattern recognition and the method of diagnosis of cells |
| PCT/KR2016/009661 WO2017175928A1 (en) | 2016-04-08 | 2016-08-30 | Method for classifying raman signals of exosomes by pattern recognition and method for diagnosing cell |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160043731A KR20170115907A (en) | 2016-04-08 | 2016-04-08 | Classification of Raman signals of exosomes by pattern recognition and the method of diagnosis of cells |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180005381A Division KR20180010280A (en) | 2018-01-16 | 2018-01-16 | Classification of Raman signals of exosomes by pattern recognition and the method of diagnosis of cells |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20170115907A true KR20170115907A (en) | 2017-10-18 |
Family
ID=60001308
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160043731A KR20170115907A (en) | 2016-04-08 | 2016-04-08 | Classification of Raman signals of exosomes by pattern recognition and the method of diagnosis of cells |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR20170115907A (en) |
| WO (1) | WO2017175928A1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112136036A (en) * | 2018-05-18 | 2020-12-25 | 艾索波特株式会社 | Lung cancer diagnosis method and system based on expiration |
| KR102559438B1 (en) * | 2022-08-18 | 2023-07-26 | 주식회사 엑소퍼트 | System of Providing Artigicial Intelligence-Based Multiple Cancer Diagnosis Using Exosome SERS signals And Method Thereof |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080113337A1 (en) * | 2004-11-12 | 2008-05-15 | The New Industry Research Organization | Method of Examining/Judging Presence of Virus Infection such as HIV or Presence of Prion Infection by Near-Infrared Spectroscopy and Device Used in Same |
| JP4131744B2 (en) * | 2006-10-30 | 2008-08-13 | 独立行政法人農業・食品産業技術総合研究機構 | Discrimination of bacterial infections of platelet preparations using difference spectra |
| KR100979727B1 (en) * | 2008-06-30 | 2010-09-03 | 한양대학교 산학협력단 | A method of dectecting cancer cells using gold hollow nanoparticle and optical imaging technology |
| KR101523337B1 (en) * | 2012-09-20 | 2015-05-28 | 주식회사 바이오센 | Methods for Assessing Virus Infections against a Plant using Raman Spectroscopy and Chemometrics |
-
2016
- 2016-04-08 KR KR1020160043731A patent/KR20170115907A/en active Application Filing
- 2016-08-30 WO PCT/KR2016/009661 patent/WO2017175928A1/en active Application Filing
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112136036A (en) * | 2018-05-18 | 2020-12-25 | 艾索波特株式会社 | Lung cancer diagnosis method and system based on expiration |
| CN112136036B (en) * | 2018-05-18 | 2023-11-24 | 艾索波特株式会社 | Lung cancer diagnosis method and system based on expiration |
| KR102559438B1 (en) * | 2022-08-18 | 2023-07-26 | 주식회사 엑소퍼트 | System of Providing Artigicial Intelligence-Based Multiple Cancer Diagnosis Using Exosome SERS signals And Method Thereof |
| WO2024038927A1 (en) * | 2022-08-18 | 2024-02-22 | 주식회사 엑소퍼트 | Artificial intelligence-based simultaneous multi-cancer diagnostic system using exosome sers signals, and method therefor |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2017175928A1 (en) | 2017-10-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Medipally et al. | Development of a high throughput (HT) Raman spectroscopy method for rapid screening of liquid blood plasma from prostate cancer patients | |
| US10379056B2 (en) | Diagnosis of cancer | |
| Taleb et al. | Diagnosis of hepatocellular carcinoma in cirrhotic patients: a proof-of-concept study using serum micro-Raman spectroscopy | |
| US11680907B2 (en) | Spectroscopic biological material characterization | |
| US20200182791A1 (en) | Infrared (ir) spectroscopy system | |
| Zhang et al. | Diagnosis of liver cancer based on tissue slice surface enhanced Raman spectroscopy and multivariate analysis | |
| Falamas et al. | Rapid and noninvasive diagnosis of oral and oropharyngeal cancer based on micro-Raman and FT-IR spectra of saliva | |
| González-Solís et al. | Type 2 diabetes detection based on serum sample Raman spectroscopy | |
| CN113237864A (en) | Method for rapidly diagnosing dynamic development of sclerotinia rot of rape leaves based on spectral imaging technology | |
| Sahu et al. | Optical diagnostics in oral cancer: An update on Raman spectroscopic applications | |
| CN106053429B (en) | Urine modified nucleoside determination method based on surface enhanced resonance raman spectra | |
| KR20180010280A (en) | Classification of Raman signals of exosomes by pattern recognition and the method of diagnosis of cells | |
| KR20170115907A (en) | Classification of Raman signals of exosomes by pattern recognition and the method of diagnosis of cells | |
| CN106645079B (en) | A kind of human body blood group discrimination method based on red blood cell optical tweezer Raman spectroscopy | |
| Ciobanu et al. | Potential of Raman spectroscopy for blood-based biopsy | |
| Tosi et al. | FTIR microspectroscopy of melanocytic skin lesions: a preliminary study | |
| D Pallua et al. | Advanced vibrational spectroscopic imaging of human tissue in life science | |
| KR101626045B1 (en) | A method and device for diagnosis of viral infection using tear drop | |
| Wald et al. | An infrared spectral signature of human lymphocyte subpopulations from peripheral blood | |
| Bénard et al. | Discrimination between healthy and tumor tissues on formalin-fixed paraffin-embedded breast cancer samples using IR imaging | |
| Woess et al. | Application of mid-infrared (MIR) microscopy imaging for discrimination between follicular hyperplasia and follicular lymphoma in transgenic mice | |
| Nazeer et al. | Monitoring the biochemical alterations in hypertension affected salivary gland tissues using Fourier transform infrared hyperspectral imaging | |
| Zheng et al. | Identification of colorectal cell exosomes by Raman spectral analysis | |
| Ma et al. | Distinction of gastric cancer tissue based on surface-enhanced Raman spectroscopy | |
| Huck et al. | Multidimensional approach of infrared imaging spectra and morphology of oral squamous cell carcinoma (OSCC) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E601 | Decision to refuse application | ||
| E801 | Decision on dismissal of amendment | ||
| A107 | Divisional application of patent |