已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

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
脑洞疼应助可爱多采纳,获得10
刚刚
戒灵发布了新的文献求助10
刚刚
友好亚男完成签到 ,获得积分10
2秒前
2秒前
柚子完成签到,获得积分10
3秒前
洁净亦巧发布了新的文献求助10
3秒前
leoskrrr完成签到,获得积分10
4秒前
5秒前
赘婿应助小涂大大采纳,获得10
5秒前
哈哈哈完成签到 ,获得积分10
7秒前
华仔应助优美的背包采纳,获得10
8秒前
左岸青灯完成签到,获得积分10
8秒前
Sirius_Black完成签到,获得积分10
9秒前
Joeswith完成签到,获得积分10
9秒前
mwang完成签到,获得积分10
10秒前
ma发布了新的文献求助10
10秒前
A.y.w完成签到,获得积分10
11秒前
四月完成签到 ,获得积分10
12秒前
zou发布了新的文献求助10
12秒前
Bizibili完成签到,获得积分10
12秒前
顾矜应助轻松真采纳,获得10
12秒前
江中猴叔完成签到 ,获得积分0
14秒前
wyy完成签到 ,获得积分10
17秒前
威武灵阳完成签到,获得积分10
18秒前
QCB完成签到 ,获得积分10
19秒前
经管研究生完成签到 ,获得积分10
20秒前
闪闪善若完成签到 ,获得积分20
20秒前
21秒前
听闻墨笙完成签到 ,获得积分10
22秒前
啊萌萌完成签到 ,获得积分10
22秒前
23秒前
23秒前
24秒前
郝宝真完成签到 ,获得积分10
24秒前
24秒前
25秒前
bkagyin应助安详水儿采纳,获得10
27秒前
可爱多发布了新的文献求助10
28秒前
这课题真顺利完成签到,获得积分10
28秒前
别当真完成签到 ,获得积分10
28秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
XAFS for Everyone (2nd Edition) 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 3133747
求助须知:如何正确求助?哪些是违规求助? 2784766
关于积分的说明 7768381
捐赠科研通 2440030
什么是DOI,文献DOI怎么找? 1297175
科研通“疑难数据库(出版商)”最低求助积分说明 624868
版权声明 600791