基于激光光声光谱(LPAS)的疾病相关挥发性有机化合物(VOC)特征检测

《Scientific Reports》:Detection of disease-associated VOC signatures with laser-based photoacoustic spectroscopy (LPAS)

【字体: 大 中 小 】 时间:2026年09月22日 来源:Scientific Reports 4.9

编辑推荐:

  研究人员提出了一种基于挥发性有机化合物(VOC)特征区分不同疾病患者的新型非侵入性方法。研究人员使用棉签对24名患者的鼻腔、肚脐和耳部进行擦拭,随后采用基于激光的光声光谱技术(LPAS)对棉签的气味进行分析。该LPAS系统配备了三个量子级联激光器(QCL)模块

  
研究人员提出了一种基于挥发性有机化合物(VOC)特征区分不同疾病患者的新型非侵入性方法。研究人员使用棉签对24名患者的鼻腔、肚脐和耳部进行擦拭,随后采用基于激光的光声光谱技术(LPAS)对棉签的气味进行分析。该LPAS系统配备了三个量子级联激光器(QCL)模块,覆盖5.6 μm至12.9 μm的波长范围。所得光谱经Savitzky-Golay滤波器预处理后进行主成分分析(PCA)。将数据投影至前两个主成分后,显示出与健康个体(H)、帕金森病(PD)、COVID-19(C)和轻度认知障碍(MC)患者相对应的组级结构。对人口统计学因素和生活习惯的可能相关性分析显示,除年龄外,这些因素与主成分之间无一致性关联;这一年龄相关性符合预期,因为PD和MC等疾病主要影响老年人群。尽管这排除了较强的混杂效应,但确认真正的独立性仍需在未来工作中使用更大的队列。此外,研究还表明仅五个波长即可实现对样本的区分。这些发现表明,棉签气味分析与中红外LPAS光谱及多变量分析相结合,可能为未来的非侵入性筛查技术提供一种有前景的途径。
**研究背景与科学问题**

非侵入性疾病诊断技术是提高健康监测安全性、可及性和可扩展性的重要方向。人体代谢和病理过程会释放挥发性有机化合物(Volatile Organic Compounds, VOCs),这些化合物可在汗液、唾液、尿液和呼出气等多种生物基质中被检测到。然而,疾病相关VOCs浓度通常较低且气味谱复杂,区分健康与疾病状态的体味特征存在显著技术挑战。目前常用的气相色谱-质谱联用技术(Gas Chromatography-Mass Spectrometry, GC-MS)虽能实现高灵敏度的生化分析,但采样流程复杂、分析时间长且仪器体积庞大,难以满足实时和便携式诊断需求。傅里叶变换红外光谱(Fourier Transform Infrared Spectroscopy, FTIR)虽可覆盖功能团区和指纹区,但受限于光源功率,痕量(ppb级)检测需要10 m以上长光程气体池,更适合大样本量场景。光声光谱(Photoacoustic Spectroscopy, PAS)通过将光学吸收转换为声学信号,具备高灵敏度、快速响应、宽线性动态范围和微型化潜力。当与在中红外(Mid-Infrared, mid-IR)频段发射的量子级联激光器(Quantum Cascade Laser, QCL)相结合时,基于激光的光声光谱(Laser-based Photoacoustic Spectroscopy, LPAS)在疾病相关VOCs检测方面展现出高选择性和灵敏度。此前研究已将LPAS用于肺部疾病和乳腺肿瘤的鉴别,但多数临床应用仍处于受控实验阶段,且多数系统针对呼气分析优化,针对棉签擦拭材料气味的研究仍较少。棉签采集的鼻腔前部、脐部和耳甲区域相对较少暴露于香水、肥皂等外部因素,且采样、储存和测量更为便捷。基于此,研究人员开展本研究,评估棉签顶空的LPAS光谱是否能够区分健康个体与帕金森病(Parkinson’s Disease, PD)、COVID-19(C)和轻度认知障碍(Mild Cognitive Impairment, MC)患者,并探索实现设备小型化的可行路径。

**研究内容与总体结论**

研究人员从德累斯顿工业大学医学院神经科和新冠门诊招募受试者,共纳入四组各6例,包括健康对照(H)、特发性PD、MC和经聚合酶链反应(PCR)确诊的COVID-19患者。对每位受试者使用无菌棉签分别采集鼻腔前部、脐部、耳甲三个部位的样本,随后使用配备三个QCL模块、覆盖5.6–12.9 μm波段的LPAS系统测量棉签顶空气体光谱。对光谱进行归一化和Savitzky-Golay滤波等预处理后,采用主成分分析(Principal Component Analysis, PCA)和聚合马氏距离(Mahalanobis Distance)评估类间分离。研究发现,三个采样部位的PCA投影均呈现部分组级分离;进一步分析表明,仅需5个离散波长即可取得与全谱范围几乎相当的分离效果,为开发小型化非侵入性筛查设备提供了初步证据。

**主要关键技术方法**

研究人员采用的主要方法包括:①LPAS光谱测量系统,由MIRcat?中红外激光器(配备三个QCL模块,波长5.6–12.9 μm)、PA201悬臂增强型光声检测器(CEPAS,Gasera Ltd.)以及自制棉签支架组成,棉签顶空以干合成空气吹扫后引入光声池;②样本队列来源为德累斯顿工业大学医学院,H、C、PD、MC四组各6例,每例取鼻、脐、耳三个部位棉签样本,共72条光谱,另采集3例新PD样本在两周后测量用于时间稳定性验证;③光谱预处理和降维分析:以每日未使用棉签参考光谱归一化,通过网格搜索评估0.5 μm连续光谱区段及Savitzky-Golay滤波器参数组合(窗口5–13点、多项式2–5阶、导数0–2阶),以PCA前两个主成分计算类间聚合马氏距离;④逐波长单因素方差分析(ANOVA),以置换检验(9999次)确定族系阈值;⑤单波长搜索:将8.5–12.9 μm范围以0.2 μm宽度分箱,网格搜索全部五波长组合评估分离性能。

**研究结果**

**1. 主成分分析**

对鼻、脐、耳三种采样部位分别进行PCA。鼻腔样本在9.1–12.9 μm光谱区段、Savitzky-Golay窗长11、多项式阶数5、二阶导数预处理下获得最优分离:PC1解释27.5%的方差,将C和PD样本置于负轴方向,H和MC样本置于原点及正轴方向;PC2解释18.3%的方差,主要将PD样本抬高至较高得分区;四个组质心在PC1-PC2平面获得分离,聚合马氏距离为1.827。脐部样本在8.6–9.6 μm区段、窗长
相关新闻
生物通微信公众号
微信
新浪微博

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