Нанокластеры, напечатанные на 3D-принтере, позволяют обнаруживать рак

Исследователи из Пусанского национального университета в Южной Корее разработали диагностический метод на основе 3D-печати, выявляющий рак щитовидной железы с помощью поверхностно-усиленной рамановской спектроскопии (SERS) на сыворотке крови человека. Этот метод обходит необходимость использования традиционных биомаркеров, анализируя спектральные паттерны с помощью сверточной нейронной сети (CNN), достигая чувствительности 93,1% и специфичности 84,0%.

Текущая диагностика рака щитовидной железы опирается на цитологическую биопсию тонкоголкой, что может привести к неоднозначным результатам и осложнениям. Несмотря на десятилетия исследований, для этого заболевания не было подтверждено ни одного специфического биомаркера. Исследовательская группа Пусана устранила это ограничение, применив SERS к кластерам наночастиц золота (AuNP), изготовленным непосредственно из сыворотки крови пациента посредством процесса 3D-печати на основе испарения. Эти нанокластеры усиливают сигналы Рамана, генерируемые биохимическими соединениями в образце, что позволяет алгоритмам глубокого обучения классифицировать случаи с положительным результатом раком и здоровыми случаями без необходимости сигнала биомаркера.

Всего 100 образцов сыворотки крови - 50 от пациентов с диагнозом рака щитовидной железы и 50 от здоровых - было собрано из Банка материалов человеческого происхождения больницы Янсан Пусанского национального университета. Для создания плазмонного субстрата исследователи соединили AuNPs (диаметром 75 ± 5 нм), физраствор и человеческую сыворотку в гибридную рецептуру чернил. Физиологический раствор был включен для понижения концентрации альбумина, оптимизируя условия для кластеризации AuNPs. Чернила загружали в микропипетку размером 30 мкм и осаждение осуществлялось путем поддержания контакта с кремниевой подложкой до тех пор, пока испарение растворителя не приводило к накоплению наночастиц и образованию кластеров. Энергетико-дисперсионная рентгеновская спектроскопия подтвердила наличие диспергированных AuNPs в высушенных структурах, а также наблюдались кристаллы хлорида натрия из-за содержания физраствора.

Каждый кластер образовывал локализованные электромагнитные горячие точки благодаря взаимодействию AuNPs. Эти горячие точки усиливали романский сигнал соседних метаболитов. Команда записала SERS-спектры с помощью портативного рамановского спектрометра с лазером 633 нм при мощности 1,8 мВт и 2,0 мВт в течение четырех продолжительностей экспозиции: 500 мс, 1000 мс, 2000 мс и 3000 мс. В общей сложности было собрано 800 спектров, по 400 из каждой группы. Измерения проводились в диапазоне рамановского смещения от 200 до 1200 см⁻¹, а спаечный шум удалялся перед анализом; дополнительная спектральная фильтрация не применялась. Повторяемость была подтверждена путем выполнения пяти измерений типа, что подтверждает согласованность спектральных профилей в сыворотке крови каждого человека.

Для оценки точности классификации было проведено обучение как 1D, так и 2D моделей CNN для различия спектров здоровых и онкологических больных. Каждый спектр был обозначен как 0 или 1, а данные были разделены в соотношении 8:2 на обучающие и тестовые наборы. Архитектура 2D CNN включала два сверточных слоя (16 и 48 фильтров) и один плотный слой с 256 нейронами. Использовался размер ядра 3×3 с коэффициентом отсева 0,6. Модель использовала оптимизатор Adam, коэффициент обучения 0,0011949 и сигмовидную функцию активации. Учеба проводилась в течение 80 эпох. Полученная площадь под кривой (AUC) составляла 0,858 и модель продемонстрировала стабильную производительность во всех тестовых выборках.

          Несмотря на определенные ограничения, метод предлагает путь вперед для выявления заболеваний в случаях, когда идентификация биомаркеров застопорилась. Интеграция наноструктурированных материалов, спектроскопических показателей и машинного обучения позволила проводить воспроизводимый анализ образцов с использованием минимальных входных объемов и без инвазивных процедур. Авторы отмечают, что подобные методы могут быть адаптированы к другим заболеваниям с труднодоступными молекулярными мишенями