利用拉曼光谱与机器学习量化单个活癌细胞中的抗癌药物浓度

《Analyst》：Quantification of drug concentrations in individual living cancer cells using Raman spectroscopy and machine learningOpen Access

在抗癌药物研发领域，明确药物有多少进入细胞以及其在不同细胞区室（例如细胞核或细胞质）中的浓度，是一项迫切需求。这些信息有助于评估治疗效果并优化药物设计和体内给药剂量。与其他分析技术相比，拉曼光谱提供了许多使其非常适合该应用的优势。它不具有破坏性，能够保持样品的结构和化学完整性。它还无需复杂的样品制备过程，适用于活细胞实验。此外，拉曼光谱基本不受水的干扰，使该技术非常适合分析活细胞。无标记检测是其最显著的优势之一。本研究需要在不使用任何荧光标记或其他生物标志物的情况下进行定量分析，而拉曼测量仅依赖于抗癌药物本身的固有拉曼特性，消除了标记对生物活性的潜在干扰。总体而言，本文综合研究了拉曼光谱结合基于机器学习的分析在量化活细胞中抗癌药物浓度方面的应用。它在药物分布成像分析的基础上更进一步，利用拉曼信号测定药物浓度和膜渗透系数。对于以0.3%浓度给药的多种抗癌药物，在不同细胞系中，在5分钟的测量窗口内，测定的精度为0.01-0.1%。

该内容仅可通过PDF获取。

打开 PDF：在新窗口中打开《利用拉曼光谱和机器学习量化单个活癌细胞中的药物浓度》

? 2026 作者。由英国皇家化学会出版

2026年

作者

本文在Creative Commons Attribution-Non Commercial 4.0 Unported Licence（知识共享署名-非商业性使用4.0国际许可协议）下授权发布。您可以在其他出版物中使用本文材料，无需向RSC另行申请许可，前提是正确注明出处且不用于商业用途。

本文在 Creative Commons Attribution-NonCommercial 4.0 International License（知识共享署名-非商业性使用4.0国际许可协议） 下授权发布。