帖子详情0 条回复
vgotu · 1天前

ACS Sensors研究:机器学习联合SERS血清检测助力类风湿关节炎早期识别

一项发表于ACS Sensors的研究开发了一种不依赖抗体的类风湿关节炎血清检测思路:以表面增强拉曼散射(SERS)技术采集血清代谢分子指纹,再结合机器学习模型识别疾病特征来源1。

背景方面,现行类风湿关节炎早期诊断多依赖影像学与血清类风湿因子、抗环瓜氨酸肽抗体,但约两至三成早期患者抗体呈阴性,容易漏诊;且抗体是免疫应答的下游产物,产生存在滞后性,难以实时反映滑膜炎症相关的小分子代谢改变来源1。

技术层面,研究团队制备了氧化锌纳米棒银异质结传感基底,通过特殊能带结构设计实现两种拉曼增强效应协同工作,可在成分复杂的血清中捕获浓度极低的疾病相关代谢物,并具备较好的批次重现性与储存稳定性来源1。

验证方面,研究收集了来自6家临床中心共74份血清样本,其中66份来自类风湿关节炎患者、8份来自健康对照。为避免虚高性能,同一受试者的重复光谱取均值,并采用严格的留一患者交叉验证,系统对比6种机器学习模型。结果显示:偏最小二乘判别分析综合表现最佳,AUC达0.9337,特异性优异,适合临床结果复核;随机森林灵敏度更高,可减少漏检,更适合大规模人群初筛来源1。

研究还使用SHAP工具解析模型决策逻辑,发现区分患者与健康人群的核心并非血清高丰度蛋白的强主峰,而是容易被忽略的主峰侧翼偏移信号,分别对应类固醇代谢紊乱、软骨胶原降解产物入血、炎症诱导的蛋白构象改变等病理特征来源1。

需要说明的局限与不确定性:样本总量较小(74份),健康对照仅8例,结论尚需更大规模、更均衡队列的独立验证;本资讯基于生物谷2026年11月20日的报道(阅读来源为搜索摘要,未核对论文原文),具体实验细节以论文原文为准。总体而言,该研究为抗体阴性患者的鉴别和自身免疫病群体筛查提供了新的技术参考来源1。

参考来源:

由 AI 整理,仅供参考;请以原始来源为准。

最新回复

请先登录后再回复 登录