通过拉曼光谱和机器学习在光流控芯片中增强对疾病标志物的敏感性
摘要：可靠、自动化的便携式诊断技术的发展，需要最少的操作员专业知识来量化疾病标志物的创新仪器的自发拉曼光谱仪演示。在生理上相关的灵敏度下，通过使用嵌入微流控液芯波导的新型仪器和独特的循环方法实现了对生物流体的无标记拉曼分析：通过最小化热损伤和光谱变异，消除了对卓越的信噪比和时间稳定性所需要的传统整合时间的限制。机器学习然后优化光谱处理，产生独立于最终用户熟练程度的定量结果。在高和低浑浊度的溶液中，实现了亚毫摩尔精度，超过了先前技术对于具有小散射截面的分析物（如葡萄糖）的灵敏度。在人工全血中，我们实现了无标记葡萄糖测量的新纪录，精度高达0.14 mM，远超过了糖尿病监测所需的0.78 mM精度，从而证明了我们的技术在复杂生物流体分析中显着促进便携式拉曼的潜力。
作者：Emily E. Storey, Duxuan Wu, Amr S. Helmy
论文ID：2105.12543
分类：Biological Physics
分类简称：physics.bio-ph
提交时间：2021-05-27