深度学习模型辅助下单分子水平无标记SERS区分脯氨酸与羟基脯氨酸
化学物理
2024-12-30 v1 机器学习
生物物理
摘要
区分低丰度的羟基脯氨酸与脯氨酸对于监测疾病和评估治疗效果至关重要，这需要单分子传感器。虽然等离子体纳米孔传感器可以通过表面增强拉曼光谱(SERS)以单分子灵敏度检测羟基化，但它受到单分子信号固有波动以及柠檬酸盐强烈干扰的影响。在这里，我们利用单分子SERS峰的出现频率直方图来提取整体数据集光谱特征，克服信号波动，并研究柠檬酸盐替换的等离子体纳米孔传感器，以获得脯氨酸和羟基脯氨酸的干净且可区分的信号。通过分析物分子对柠檬酸盐的配体交换，柠檬酸盐的代表性峰随孵育时间而降低，证明了分析物占据了等离子体热点。因此，使用卷积神经网络模型以96.6%的准确率实现了脯氨酸和羟基脯氨酸单分子SERS信号的区分。
引用
@article{arxiv.2412.18935,
title = {Label-free SERS Discrimination of Proline from Hydroxylated Proline at Single-molecule Level Assisted by a Deep Learning Model},
author = {Yingqi Zhao and Kuo Zhan and Pei-Lin Xin and Zuyan Chen and Shuai Li and Francesco De Angelis and Jianan Huang},
journal= {arXiv preprint arXiv:2412.18935},
year = {2024}
}