Быстрое распознавание рака шейки матки и миомы матки с использованием безметочной РНК сыворотки крови на основе спектроскопии поверхностно-усиленного комбинационного рассеяния света и алгоритма AdaBoost
Аннотация
Исследована возможность использования поверхностно-усиленного комбинационного рассеяния (SERS) в сочетании с алгоритмом AdaBoost для диагностики пациентов с раком шейки матки и с миомой матки. В качестве активного субстрата SERS использованы коллоиды золота. Для образцов РНК сыворотки крови, полученных от 35 пациентов с раком шейки матки и 30 пациентов с миомой матки, зарегистрированы спектры комбинационного рассеяния и проанализированы с использованием анализа главных компонент. Выбраны три основные компоненты (PC2, PC11 и PC24) со значительными различиями t-критерия независимых выборок (p < 0.05). Обнаружено, что характерные пиковые интенсивности соответствующего вещества, измеренные при 448, 519, 698, 1003 и 1076 см–1, коррелируют с изменениями вещества в процессе канцерогенеза. Идеальная модель классификации AdaBoost разработана путем точной настройки ее параметров. Модель продемонстрировала точность 96.92%, высокую чувствительность 94.28% и исключительную специфичность 100%. По сравнению с линейным дискриминантным анализом и методом опорных векторов эффективность классификации значительно повысилась. Ожидается, что SERS в сочетании с алгоритмом AdaBoost станет мощным инструментом скрининга рака шейки матки в сыворотке крови.
Об авторах
Z. JiaoКитай
Пекин
G. Wu
Китай
Пекин
J. Wang
Китай
Урумчи
X. Zheng
Китай
Пекин
L. Yin
Китай
Пекин
Список литературы
1. H. Sung, J. Ferlay, R.L. Siegel, et al., Cancer J. Clin., 71, No. 3, 209–249 (2021), https://doi.org/10.3322/caac.21660.
2. A. Slomski, JAMA, 327, No. 9, 804 (2022), https://doi.org/10.1001/jama.2022.2188.
3. P. A. Cohen, A. Jhingran, A. Oaknin, et al., The Lancet, 393, No. 10167, 169–182 (2019), https://doi.org/10.1016/S0140-6736(18)32470-X.
4. M. Vu, J. Yu, O. A. Awolude, et al., Current Prob. Cancer, 42, No. 5, 457–465 (2018), https://doi.org/10.1016/j.currproblcancer.2018.06.003.
5. E. T. Fontham, A. M. Wolf, T. R. Church, et al., Cancer J. Clin., 70, No. 5, 321–346 (2020), https://doi.org/10.3322/caac.21628.
6. R. Catarino, P. Petignat, G. Dongui, et al., World J. Clin. Oncology, 6, No. 6, 281 (2015), https://doi.org/10.5306/wjco.v6.i6.281.
7. P. Rajaraman, B. O. Anderson, P. Basu, et al., The Lancet Oncology, 16, No. 7, e352–e361 (2015), https://doi.org/10.1016/S1470-2045(15)00078-9.
8. R. Sankaranarayanan, P. O. Esmy, R. Rajkumar, et al., The Lancet, 370, No. 9585, 398–406 (2007), https://doi.org/10.1016/S0140-6736(07)61195-7.
9. R. R. Jones, D. C. Hooper, L. Zhang, et al., Nanoscale Res. Lett., 14, No. 1, 1–34 (2019), https://doi.org/10.1186/s11671-019-3039-2.
10. X. Zhang, C. R. Yonzon, M. A. Young, et al., IEE Proc. Nanobiotechnol., 152, No. 6, 195–206 (2005), https://doi.org/10.1049/ip-nbt:20050009.
11. L. A. Lane, X. Qian, S. Nie, Chem. Rev., 115, No. 19, 10489–10529 (2015), https://doi.org/10.1021/acs.chemrev.5b00265.
12. Y. Chen, G. Chen, X. Zheng, et al., Med. Phys., 39, No. 9, 5664–5668 (2012), https://doi.org/10.1118/1.4747269.
13. Y. Chen, G. Chen, S. Feng, et al., J. Biomed. Opt., 17, No. 6, 067003 (2012), https://doi.org/10.1117/1.JBO.17.6.067003.
14. S. Nasir, M. I. Majeed, H. Nawaz, et al., Photodiagnosis and Photodynamic Therapy, 33, 102152 (2021), https://doi.org/10.1016/j.pdpdt.2020.102152.
15. X. Wang, H. K. Wang, Y. Li, et al., Proc. NAS, 111, No. 11, 4262–4267 (2014), https://doi.org/10.1073/pnas.1401430111.
16. M. L. Tornesello, R. Faraonio, L. Buonaguro, et al., Front. Oncology, 10, 150 (2020), https://doi.org/10.3389/fonc.2020.00150.
17. Y. He, J. Lin, Y. Ding, et al., Int. J. Cancer, 138, No. 6, 1312–1327 (2016), https://doi.org/10.1002/ijc.29618.
18. J. D. Driskell, A. G. Seto, L. P. Jones, et al., Biosens. Bioelectron., 24, No. 4, 917–922 (2008), https://doi.org/10.1016/j.bios.2008.07.060.
19. J. D. Driskell, O. M. Primera-Pedrozo, R. A. Dluhy, et al., Appl. Spectrosc., 63, No. 10, 1107–1114 (2009), https://doi.org/10.1366/000370209789553183.
20. A. A. Bunaciu, S. Fleschin, V. D. Hoang, et al., Crit. Rev. Anal. Chem., 47, No. 1, 67–75 (2017), https://doi.org/10.1080/10408347.2016.1209104.
21. X. D. Zhang, J. F. Li, Q. Q. Zhao, et al., Laser & Infrared, 38, 267–269 (2008), https://doi.org/10.1016/j.jpba.2007.11.019.
22. B. B. Tang, S. Y. Liu, Y. U. Zhan, et al., Exp. Therap. Med., 10, No. 1, 269–274 (2015), https://doi.org/10.3892/etm.2015.2455.
23. X. Dong, Z. Yu, W. Cao, et al., Front. Comp. Sci., 14, No. 2, 241–258 (2020), https://doi.org/10.1007/s11704-019-8208-z.
24. A. Savitzky, M. J. Golay, Anal. Chem., 36, No. 8, 1627–1639 (1964), https://doi.org/10.1021/ac60319a045.
25. Z. M. Zhang, S. Chen, Y. Z. Liang, Analyst, 135, No. 5, 1138–1146 (2010), https://doi.org/10.1039/b922045c.
26. J. D. Rodriguez, B. J. Westenberger, L. F. Buhse, et al., Analyst, 136, No. 20, 32–40 (2011), https://doi.org/10.1039/c1an15636e.
27. J. Hatwell, M. M. Gaber, R. M. Atif Azad, BMC Med. Inform. Dec. Mak., 20, No. 1, 250 (2020), https://doi.org/10.1186/s12911-020-01201-2.
28. S. A. Sánchez-Rojo, B. E. Martínez-Zérega, E. F. Velázquez-Pedroza, et al., Rev. Mexicana de Física, 62, No. 3, 213–218 (2016).
29. X. Zheng, G. Wu, J. Wang, et al., Biomed. Opt. Express, 13, No. 4, 1912–1923 (2022), https://doi.org/10.1364/BOE.448121.
30. K. Mühlenbruch, A. Heraclides, E. W. Steyerberg, et al., Eur. J. Epidemiol., 28, No. 1, 25–33 (2013), https://doi.org/10.1007/s10654-012-9744-0.
31. A. C. S. Talari, Z. Movasaghi, S. Rehman, et al., Appl. Spectr. Rev., 50, No. 1, 46–111 (2015), https://doi.org/10.1080/05704928.2014.923902.
32. S. Qiu, Y. Xu, L. Huang, et al., Oncol. Lett., 11, No. 1, 884–890 (2016), https://doi.org/10.3892/ol.2015.3969.
33. D. Puchowicz, M. Cieslak, Raman Spectroscopy in the Analysis of Textile Structures, Recent Developments in Atomic Force Microscopy and Raman Spectroscopy for Materials Characterization, 1–21 (2021), https://doi.org/10.5772/intechopen.99731.
34. Y. Li, R. Shen, H. Wu, et al., Spectrochim. Acta A: Mol. Biomol. Spectrosc., 225, 117483 (2020), https://doi.org/10.1016/j.saa.2019.117483.
35. Z. Huang, A. McWilliams, H. Lui, et al., Int. J. Cancer, 107, No. 6, 1047–1052 (2003), https://doi.org/10.1002/ijc.11500.
36. J. I. Githaiga, H. K. Angeyo, K. A. Kaduki, et al., J. Spectroscopy (2020), https://doi.org/10.1155/2020/8879985.
37. S. Chaichian, R. Shafabakhsh, S. M. Mirhashemi, et al., J. Cell. Physiology, 235, No. 2, 718–724 (2020), https://doi.org/10.1002/jcp.29009.
Рецензия
Для цитирования:
Jiao Z., Wu G., Wang J., Zheng X., Yin L. Быстрое распознавание рака шейки матки и миомы матки с использованием безметочной РНК сыворотки крови на основе спектроскопии поверхностно-усиленного комбинационного рассеяния света и алгоритма AdaBoost. Журнал прикладной спектроскопии. 2024;91(1):166.
For citation:
Jiao Z., Wu G., Wang J., Zheng X., Yin L. Rapid Discrimination of Cervical Cancer from Hysteromyoma Using Label-Free Serum RNA Based on Surface-Enhanced Raman Spectroscopy and AdaBoost Algorithm. Zhurnal Prikladnoii Spektroskopii. 2024;91(1):166.