结合机器学习的可调宽场拉曼光谱技术实现乳腺癌细胞精准分类

本研究创新性地开发了可调激光光斑宽场拉曼光谱（WFRS-AS）系统，通过扩大激光照射区域覆盖整个细胞，有效克服单细胞异质性难题。结合支持向量机（SVM）算法，在乳腺癌细胞诊断中实现98.18%准确率，五种乳腺细胞系分类达99.26%准确率，为单细胞水平癌症诊断提供了更全面、高效的生化指纹分析新策略。

　　

亮点

可调光斑宽场拉曼光谱（WFRS-AS）系统实现全细胞范围信号采集

支持向量机（SVM）算法达成98.18%乳腺癌诊断准确率

成功区分五种乳腺细胞系且准确率达99.26%

为单细胞水平癌症诊断提供创新解决方案

细胞培养

本研究选取五种乳腺细胞系进行培养，包括正常乳腺细胞MCF-10A和四种乳腺癌细胞系：三阴性乳腺癌HCC38、管腔A型乳腺癌MCF-7，以及HER2阳性乳腺癌SK-BR-3与BT-474。细胞系最初保存于-80°C超低温环境，复苏时采用37°C水浴快速解冻后转入专用培养体系。

乳腺细胞拉曼成像

拉曼成像技术通过采集选定区域内每个像素点的拉曼光谱，并依据特定拉曼位移强度生成高光谱图像，从而解析细胞内部成分差异。本研究对正常乳腺细胞和乳腺癌细胞进行成像分析，显微镜明场图像分别呈现于图3(a₁)和(b₁)。激光功率设置为...

讨论

早在1995年，Frank团队就采用784 nm激光获取正常与病变乳腺组织光谱并通过峰位分析验证了拉曼光谱诊断乳腺癌的可行性。随后Melanie研究组将拉曼光谱与线性判别分析（LDA）相结合，在单细胞水平对基底样型、HER2+/ER-亚型及管腔亚型乳腺癌实现了97.45%的分类准确率...

结论

综上所述，我们通过拉曼成像技术结合N-FINDR算法和全约束最小二乘法（FCLS）解析细胞成分，证实了细胞空间异质性。采用WFRS-AS系统与传统DLS-RS系统采集五种乳腺细胞系光谱数据，经机器学习算法分析表明...