Label‐Free Identification of Exosomes using Raman Spectroscopy and Machine Learning

微泡 拉曼光谱 表面增强拉曼光谱 细胞外小泡 纳米粒子跟踪分析 纳米技术 材料科学 癌细胞 分子 外体 鉴定(生物学) 纳米颗粒 光谱学 人工神经网络 计算机科学 生物系统 生物物理学 人工智能 化学 小RNA 癌症 拉曼散射 细胞生物学 生物化学 生物 物理 基因 光学 有机化学 量子力学 植物 遗传学
作者
Uğur Parlatan,Mehmet Ozgun Ozen,Ibrahim Keçoğlu,Batuhan Koyuncu,Hülya Torun,Davod Khalafkhany,İrem Loç,Mehmet Giray Ogut,Fatih İnci,Demir Akin,İhsan Solaroğlu,Nesrin Özören,Mehmet Burçin Ünlü,Utkan Demirci
出处
期刊:Small [Wiley]
卷期号:19 (9) 被引量:28
标识
DOI:10.1002/smll.202205519
摘要

Exosomes, nano-sized extracellular vesicles (EVs) secreted from cells, carry various cargo molecules reflecting their cells of origin. As EV content, structure, and size are highly heterogeneous, their classification via cargo molecules by determining their origin is challenging. Here, a method is presented combining surface-enhanced Raman spectroscopy (SERS) with machine learning algorithms to employ the classification of EVs derived from five different cell lines to reveal their cellular origins. Using an artificial neural network algorithm, it is shown that the label-free Raman spectroscopy method's prediction ratio correlates with the ratio of HT-1080 exosomes in the mixture. This machine learning-assisted SERS method enables a new direction through label-free investigation of EV preparations by differentiating cancer cell-derived exosomes from those of healthy. This approach will potentially open up new avenues of research for early detection and monitoring of various diseases, including cancer.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
研友_bZzO08发布了新的文献求助20
1秒前
1秒前
MJX发布了新的文献求助10
2秒前
潇潇完成签到,获得积分20
3秒前
拾柒发布了新的文献求助10
4秒前
5秒前
77发布了新的文献求助10
5秒前
yeah发布了新的文献求助10
5秒前
pmk关注了科研通微信公众号
5秒前
CodeCraft应助小王同志采纳,获得10
6秒前
6秒前
7秒前
美丽的又菡完成签到,获得积分10
7秒前
。.。发布了新的文献求助10
9秒前
碳酸钙发布了新的文献求助30
10秒前
忐忑的鞅发布了新的文献求助10
13秒前
13秒前
灵巧的奇迹完成签到,获得积分10
15秒前
17秒前
huiwanfeifei完成签到,获得积分10
18秒前
20秒前
ding应助nyfz2002采纳,获得10
20秒前
碳酸钙完成签到,获得积分10
21秒前
凉水发布了新的文献求助10
21秒前
22秒前
22秒前
顾矜应助YE采纳,获得10
23秒前
Martin完成签到 ,获得积分10
23秒前
geather完成签到,获得积分20
25秒前
毛豆应助一只胖猫采纳,获得10
28秒前
coffee发布了新的文献求助10
29秒前
忐忑的鞅完成签到,获得积分10
29秒前
30秒前
打打应助科研通管家采纳,获得10
30秒前
爆米花应助科研通管家采纳,获得10
30秒前
30秒前
30秒前
wanci应助科研通管家采纳,获得10
30秒前
wking应助科研通管家采纳,获得10
30秒前
高分求助中
The ACS Guide to Scholarly Communication 2500
Artificial Intelligence, Co-Creation and Creativity 1000
Pharmacogenomics: Applications to Patient Care, Third Edition 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Genera Insectorum: Mantodea, Fam. Mantidæ, Subfam. Hymenopodinæ (Classic Reprint) 800
Ethnicities: Media, Health, and Coping 700
The Neotropical “Polymorphic Earless Praying Mantises”–Part II: Taxonomic Review of the Genera and Checklist of Species (Insecta: Mantodea, Acanthopoidea) 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3089848
求助须知:如何正确求助?哪些是违规求助? 2741997
关于积分的说明 7567896
捐赠科研通 2392566
什么是DOI,文献DOI怎么找? 1268835
科研通“疑难数据库(出版商)”最低求助积分说明 614174
版权声明 598710