基于表面增强拉曼光谱结合机器学习模型对不同细胞来源外泌体的无标记检测
生物大分子
2024-01-29 v2
摘要
外泌体是细胞间通信的重要促进者，能够揭示细胞间相互作用、信号通路、调节机制和疾病诊断。然而，目前的外泌体鉴定分析需要大量数据，这阻碍了高效及时的机制研究和诊断。在此，我们使用机器学习辅助的表面增强拉曼光谱（SERS）方法，以少量数据检测源自六种不同细胞系（HepG2、Hela、143B、LO-2、BMSC 和 H8）的外泌体。通过使用硼氢化钠还原的银纳米颗粒和硼氢化钠溶液作为聚集剂，收集了每种类型外泌体的 100 个 SERS 光谱，随后进行多元和机器学习分析。通过整合主成分分析与支持向量机（PCA-SVM）模型，我们的分析在预测源自不同细胞的外泌体时达到了 94.4% 的高准确率。与其他机器学习分析相比，我们的方法使用少量 SERS 数据即可实现简单快速的外泌体检测，从而能够及时进行生命科学中细胞间相互作用、通信机制和疾病机制的后续研究。
引用
@article{arxiv.2401.14104,
title = {Label-free detection of exosomes from different cellular sources based on surface-enhanced Raman spectroscopy combined with machine learning models},
author = {Yang Li and Xiaoming Lyu and Kuo Zhan and Haoyu Ji and Lei Qin and JianAn Huang},
journal= {arXiv preprint arXiv:2401.14104},
year = {2024}
}
备注
5 figures