Plasma Exosome Analysis for Protein Mutation Identification Using a Combination of Raman Spectroscopy and Deep Learning

突变 液体活检 表皮生长因子受体 生物标志物 T790米 外体 拉曼光谱 计算生物学 生物 分子生物学 化学 基因 微泡 受体 癌症 生物化学 遗传学 小RNA 光学 物理 克拉斯
作者
Seungmin Kim,Byeong Hyeon Choi,Hyunku Shin,Kihun Kwon,Sung Yong Lee,Hyun Bin Yoon,Hyun Koo Kim,Yeonho Choi
出处
期刊:ACS Sensors [American Chemical Society]
卷期号:8 (6): 2391-2400 被引量:12
标识
DOI:10.1021/acssensors.3c00681
摘要

Protein mutation detection using liquid biopsy can be simply performed periodically, making it easy to detect the occurrence of newly emerging mutations rapidly. However, it has low diagnostic accuracy since there are more normal proteins than mutated proteins in body fluids. To increase the diagnostic accuracy, we analyzed plasma exosomes using nanoplasmonic spectra and deep learning. Exosomes, a promising biomarker, are abundant in plasma and stably carry intact proteins originating from mother cells. However, the mutated exosomal proteins cannot be detected sensitively because of the subtle changes in their structure. Therefore, we obtained Raman spectra that provide molecular information about structural changes in mutated proteins. To extract the unique features of the protein from complex Raman spectra, we developed a deep-learning classification algorithm with two deep-learning models. Consequently, controls with wild-type proteins and patients with mutated proteins were classified with high accuracy. As a proof of concept, we discriminated the lung cancer patients with mutations in the epidermal growth factor receptor (EGFR), L858R, E19del, L858R + T790M, and E19del + T790M, from controls with an accuracy of 0.93. Moreover, the protein mutation status of the patients with primary (E19del, L858R) and secondary (+T790M) mutations was clearly monitored. Overall, our technique is expected to be applied as a novel method for companion diagnostic and treatment monitoring.
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
聪明秋天完成签到 ,获得积分10
2秒前
cy完成签到,获得积分10
3秒前
午见千山应助科研通管家采纳,获得10
4秒前
5秒前
午见千山应助科研通管家采纳,获得10
5秒前
汉堡包应助科研通管家采纳,获得10
5秒前
FashionBoy应助开心的若烟采纳,获得10
7秒前
8秒前
小海豚完成签到 ,获得积分10
10秒前
cbx发布了新的文献求助10
11秒前
栖于霞蔚发布了新的文献求助10
11秒前
Promise完成签到 ,获得积分10
11秒前
呆萌鱼完成签到,获得积分10
12秒前
Zurlliant完成签到,获得积分10
12秒前
啥时候吃火锅完成签到 ,获得积分0
13秒前
黑糖珍珠完成签到 ,获得积分10
13秒前
沉静的清涟完成签到,获得积分10
13秒前
skysleeper完成签到,获得积分10
14秒前
姽稚完成签到,获得积分10
14秒前
晶莹黎完成签到,获得积分10
14秒前
耳机单蹦完成签到,获得积分10
16秒前
cbx完成签到,获得积分10
17秒前
吴大语完成签到,获得积分10
17秒前
dan1029完成签到,获得积分20
17秒前
Shawn完成签到,获得积分10
19秒前
bio-tang完成签到,获得积分10
19秒前
HCCha完成签到,获得积分10
19秒前
聪明的行云完成签到 ,获得积分10
20秒前
曼冬完成签到,获得积分10
21秒前
22秒前
24秒前
张三坟应助小鱼采纳,获得20
27秒前
changl2023发布了新的文献求助10
27秒前
冷酷的啤酒完成签到,获得积分10
28秒前
奋斗人雄完成签到,获得积分10
28秒前
晴天完成签到,获得积分10
28秒前
nuli完成签到 ,获得积分10
29秒前
飞翔的荷兰人完成签到,获得积分10
30秒前
31秒前
诸葛烤鸭完成签到,获得积分10
33秒前
高分求助中
The ACS Guide to Scholarly Communication 2500
Sustainability in Tides Chemistry 2000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Threaded Harmony: A Sustainable Approach to Fashion 810
Pharmacogenomics: Applications to Patient Care, Third Edition 800
Gerard de Lairesse : an artist between stage and studio 500
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 3081618
求助须知:如何正确求助?哪些是违规求助? 2734490
关于积分的说明 7533077
捐赠科研通 2384041
什么是DOI,文献DOI怎么找? 1264161
科研通“疑难数据库(出版商)”最低求助积分说明 612567
版权声明 597584