基于事件计数与光谱学习的数字表面增强拉曼散射用于无标记蛋白质定量

《Advanced Intelligent Systems》:Digital Surface-Enhanced Raman Scattering With Event Counting and Spectrum Learning for Label-Free Protein Quantification

【字体: 大 中 小 】 时间:2026年04月03日 来源:Advanced Intelligent Systems 6.1

编辑推荐:

  低丰度生物分子的精准定量仍是快速或无标记诊断领域的难点,尤其在临床相关浓度水平下表现更为突出。本研究开发了一种统计与机器学习辅助的表面增强拉曼散射(Surface-Enhanced Raman Scattering, SERS)框架,用于无标记定量磷酸化tau

  
低丰度生物分子的精准定量仍是快速或无标记诊断领域的难点,尤其在临床相关浓度水平下表现更为突出。本研究开发了一种统计与机器学习辅助的表面增强拉曼散射(Surface-Enhanced Raman Scattering, SERS)框架,用于无标记定量磷酸化tau-181(phosphorylated tau-181, p-tau181)——一种神经退行性疾病的血液生物标志物。研究人员将数字SERS事件计数与全谱人工神经网络(Artificial Neural Network, ANN)回归相结合,在约3小时的工作流程中,利用简易等离子体基底实现了灵敏且可解释的浓度估算。在数字层,基于背景校正后的信号阈值将单条光谱分类为“开”或“关”,并利用二项广义线性模型对开事件比例建模,推导检测限(Limit of Detection, LoD)与定量限(Limit of Quantification, LoQ)。这种概率处理方法抑制了热点驱动的强度波动,可在稀疏占据区深层实现可靠检测。并行地,一个在前向ANN上训练、输入为聚合且经最少预处理的全谱数据,学习多波段拉曼特征,输出经保序校准的连续浓度预测值。以罗丹明6G(Rhodamine 6G, R6G)为基准物,数字SERS获得LoD≈30 pM、LoQ≈55 pM;无标记p-tau181的数字SERS性能为LoD≈8 pM(460 pg/mL)、LoQ≈20 pM(1140 pg/mL),而ANN回归则实现R2≈0.97、LoD/LoQ≈20 pM/70 pM。两种方法均识别出~716 cm?1和~1003 cm?1的特征蛋白谱带为核心预测特征,证实了化学特异性检测。该互补双层策略从原始光谱出发,无需手工设计峰选择,即可提供统计基础扎实、可重复定量的结果。通过保持可解释性与可扩展性,该方法为适用于转化研究与纵向应用的定量、无标记生物标志物检测提供了可行路径。
研究背景方面,低丰度生物分子精准定量是现代诊断与环境监测的核心需求,但传统酶联免疫吸附测定(ELISA)与定量聚合酶链反应(qPCR)等方法存在多步操作、依赖标记及基质限制等问题,难以满足快速现场检测需求。在神经退行性疾病领域,血浆磷酸化tau蛋白(如p-tau181)作为反映脑病理变化的生物标志物,亟需更简单、可扩展的检测手段用于人群筛查与疾病进程监测。表面增强拉曼散射(SERS)凭借窄振动谱带的分子指纹特性与等离子体“热点”的信号放大能力,具备将特异性与灵敏度结合于单次检测的潜力,但热点强度分布的极端异质性与单分子极限下的信号闪烁效应,导致传统强度定量在低浓度区失效,限制了其向常规分析技术的转化。
针对上述挑战,研究人员开发了统计与机器学习辅助的SERS定量框架,在简易滴铸银纳米颗粒薄膜上实现了无标记p-tau181标准品的定量检测。该工作发表于《Advanced Intelligent Systems》,核心结论表明:数字SERS事件计数可有效抑制热点强度方差,在稀疏占据区实现稳定定量;全谱人工神经网络(ANN)回归可在不依赖预设特征峰的前提下提供高精度连续浓度预测;二者结合可在约3小时工作流程内完成从原始光谱到校准浓度的输出,且识别出的特征谱带与已知蛋白振动模式一致,验证了化学特异性。
关键技术方法包括:采用滴铸银纳米颗粒薄膜作为等离子体基底,通过连续蛇形扫描获取大量独立光谱;建立基于背景校正阈值的二元事件判定规则,利用二项广义线性模型(GLM)将开事件比例与浓度关联;构建三层前馈ANN,以文件级聚合全谱为输入,结合分组交叉验证与等压校准实现跨数量级的浓度回归;通过置换重要性、Spearman相关性及SHAP(SHapley Additive exPlanations)分析解析模型决策依据。所有样本均为缓冲液中的标准品,未涉及复杂生物样本队列。
研究结果部分,首先通过R6G基准实验验证方法性能:数字SERS在1365 cm?1特征峰处建立的开事件概率与浓度呈对数线性关系,LoD≈30 pM、LoQ≈55 pM,受试者工作特征曲线下面积(AUC)达0.79;与传统强度法相比,数字方法在极低浓度区仍保持单调响应,避免了信号饱和与高变异系数问题。随后将框架应用于无标记p-tau181定量:在600–1050 cm?1分析窗口内,数字SERS基于~716 cm?1(半胱氨酸C–S伸缩)特征获得LoD≈8 pM(460 pg/mL)、LoQ≈20 pM(1140 pg/mL),AUC≈0.83;ANN回归以~1003 cm?1(苯丙氨酸环呼吸模)与~716 cm?1为核心预测特征,实现R2≈0.97,LoD≈20 pM、LoQ≈70 pM。针对有限数据集的过拟合风险,研究通过扩充浓度梯度至9个点验证了模型稳定性,嵌套交叉验证R2达0.931;SHAP分析进一步证实ANN可自适应抑制背景干扰(如牛血清白蛋白的重叠峰),突显其在复杂基质中的潜在适用性。
讨论与结论部分指出,数字SERS层提供了统计严谨的检测下限与“有无判断”能力,而ANN层补充了跨数量级的校准浓度输出,二者性能互补:前者在低信噪比区灵敏度更高,后者在高于数十pM区间精度更优。当前p-tau181的检测限仍高于临床常用cut-off值(~50 pg/mL),未来可通过提高等离子体热点均匀性、扩大扫描面积进一步提升统计效力。整体而言,该约3小时工作流程无需复杂预处理与手工峰选择,兼具可解释性与可扩展性,为无标记生物标志物检测提供了一种可转化的技术路径。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号