关键词:
光谱分析,拉曼
血清
人工智能
主成分分析
支持向量机
摘要:
目的建立一种表面增强拉曼散射光谱(SERS)光谱技术结合机器学习的血清检测方法,用于结直肠癌(CRC)早期筛查的研究。方法收集在扬州大学附属江都人民医院确诊的CRC患者150例,以及37名健康受试者的血清样本。通过油水界面自组装制备金纳米六角板(AuNH)阵列,将5μl血清滴加在AuNH阵列上。在室温条件下,使用雷尼绍inVia拉曼光谱仪,在激光波长为785 nm,曝光时间10 s,功率5 mW条件下,对血清样本进行无损、快速检测。使用Origin 2019软件对获得的原始SERS光谱进行Savitzky-Golay平滑、AsLS基线校正、Min-Max归一化预处理。接着在Python中用scikit-learn库,构建主成分分析(PCA)-支持向量机(SVM)模型,用留一法交叉验证(LOOCV)来评估模型的准确率、敏感度、特异度和曲线下面积(AUC)。结果AuNH阵列形貌均匀,1080 cm-1处SERS强度的相对标准偏差(RSD)值为5.7%,1340 cm-1处SERS强度的RSD值为6.2%,AuNH阵列的检测限(LOD)为9.4×10^(-12)mol/L。PCA-SVM模型准确率90.9%(170/187),敏感度96.8%(181/187),特异度99.5%(186/187),AUC 0.98。区分CRC不同分期最明显的特征峰包括747、940、1000、1447和1612 cm^(-1)。结论本研究建立的基于SERS和机器学习的血清检测方法,能够准确地筛查CRC,具有较高的准确率、敏感度和特异度,具有潜在的临床应用价值。