基于拉曼与机器学习的光流控芯片中循环生物流体疾病标志物定量的增强灵敏度

我们展示了用于生物流体中自发拉曼光谱的新型仪器，使得开发一种便携、自动化、可靠且只需极少操作员专业知识即可定量疾病标志物的诊断技术成为可能。通过在微流控嵌入液芯波导中结合独特的循环方法，实现了在生理相关灵敏度下对生物流体的无标记拉曼分析：热损伤与光谱方差被最小化，消除了传统上对积分时间的限制，从而获得优异的信噪比与时间稳定性。随后机器学习优化光谱处理，产生独立于终端用户熟练程度的定量结果。在高浊度与低浊度溶液中均实现了亚毫摩尔精度，超越了此前针对小散射截面分析物（如葡萄糖）的技术灵敏度。我们在人工全血中实现了无标记葡萄糖测量的新纪录，精度达 0.14 mM，远超糖尿病监测所需的 0.78 mM 精度，确立了该技术显著促进复杂生物流体便携拉曼分析的潜力。