Robust Diagnosis of Breast Cancer Based on Silver Nanoparticles by Surface-Enhanced Raman Spectroscopy and Machine Learning

表面增强拉曼光谱 拉曼光谱 乳腺癌 纳米颗粒 银纳米粒子 材料科学 光谱学 纳米技术 癌症 拉曼散射 医学 内科学 光学 物理 量子力学
作者
Meihuan Wang,Kaining Zhang,Lifan Yue,Xiao Liu,Yongchao Lai,Huawei Zhang
出处
期刊:ACS applied nano materials [American Chemical Society]
卷期号:7 (11): 13672-13680 被引量:2
标识
DOI:10.1021/acsanm.4c02191
摘要

Due to the high intrusiveness of pathological diagnosis and the elusiveness of liquid biopsy, breast cancer (BC) is still in a dilemma between robustness and invasiveness. In our study, a molecular-specific diagnostic strategy was introduced for screening BC at an early stage, which utilizes surface-enhanced Raman spectroscopy (SERS) based on Ag NPs at 50–60 nm to acquire the fingerprint SERS spectra of fine needle aspiration (FNA) samples and machine learning for data mining. The SERS spectra of FNA samples from 78 patients were analyzed. Multiple machine learning algorithms including principal component analysis (PCA), principal component analysis–linear discriminant analysis (PCA-LDA), partial least-squares discriminant analysis (PLS-DA), and support vector machine (SVM) models were applied to deconstruct those SERS spectra for discrimination of different types of breast disease. Significant biochemical differences were found in SERS spectra of breast fibroadenoma, breast hyperplasia, and BC. With the SVM algorithm, the diagnostic sensitivity and specificity of BC, breast fibroadenomas, and breast hyperplasia can reach 94.74%, 83.33%, 81.82% and 86.96%, 100%, 94.00%, respectively. The hyphenated method of SERS and machine learning would re-energize FNA and enable FNA diagnosis of breast disease early and precisely, benefiting patients' treatment efficacy and patient life cycle.
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
PDF的下载单位、IP信息已删除 (2025-6-4)

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
安然完成签到 ,获得积分10
1秒前
张希伦完成签到 ,获得积分10
1秒前
任性翠安完成签到 ,获得积分10
5秒前
dong完成签到 ,获得积分10
7秒前
神说完成签到,获得积分0
9秒前
量子星尘发布了新的文献求助10
15秒前
Aimee完成签到 ,获得积分10
15秒前
徐彬荣完成签到,获得积分10
16秒前
研友_8yN60L完成签到,获得积分10
17秒前
搜集达人应助科研通管家采纳,获得10
17秒前
光亮的自行车完成签到 ,获得积分10
17秒前
李东东完成签到 ,获得积分10
32秒前
王多肉完成签到,获得积分10
36秒前
Iiiilr完成签到 ,获得积分10
37秒前
杨幂完成签到,获得积分10
38秒前
45秒前
hellokitty完成签到,获得积分10
48秒前
48秒前
小四发布了新的文献求助10
49秒前
55秒前
西瓜完成签到 ,获得积分10
55秒前
包容的忆灵完成签到 ,获得积分10
58秒前
高兴尔冬发布了新的文献求助10
1分钟前
xiang完成签到 ,获得积分0
1分钟前
小四完成签到,获得积分10
1分钟前
FashionBoy应助slayers采纳,获得30
1分钟前
量子星尘发布了新的文献求助10
1分钟前
黑眼圈完成签到 ,获得积分10
1分钟前
jia完成签到 ,获得积分10
1分钟前
如履平川完成签到 ,获得积分10
1分钟前
科目三应助忧伤的步美采纳,获得10
1分钟前
大椒完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
wisdom完成签到,获得积分10
1分钟前
slayers发布了新的文献求助30
1分钟前
1分钟前
e746700020完成签到,获得积分10
1分钟前
高兴尔冬完成签到,获得积分10
1分钟前
李爱国应助不安的秋白采纳,获得10
1分钟前
高分求助中
【提示信息,请勿应助】关于scihub 10000
Les Mantodea de Guyane: Insecta, Polyneoptera [The Mantids of French Guiana] 3000
徐淮辽南地区新元古代叠层石及生物地层 3000
The Mother of All Tableaux: Order, Equivalence, and Geometry in the Large-scale Structure of Optimality Theory 3000
Handbook of Industrial Diamonds.Vol2 1100
Global Eyelash Assessment scale (GEA) 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 550
热门求助领域 (近24小时)
化学 材料科学 医学 生物 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 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4038039
求助须知:如何正确求助?哪些是违规求助? 3575756
关于积分的说明 11373782
捐赠科研通 3305574
什么是DOI,文献DOI怎么找? 1819239
邀请新用户注册赠送积分活动 892655
科研通“疑难数据库(出版商)”最低求助积分说明 815022