<em id="6n96g"><acronym id="6n96g"></acronym></em>
  1. <th id="6n96g"></th>
    

    <dd id="6n96g"><track id="6n96g"></track></dd>
    教學科研

    我校光電與信息工程學院馮尚源教授、林多博士團隊在高通量SERS光譜檢測平臺的設計及應用領域取得重要進展

    發布時間:2021-10-04

    高效的早期篩查對于癌癥等疾病的預防和診斷至關重要,可極大提高患者的生存率。近年來,具有超高檢測靈敏度的表面增強拉曼光譜(SERS)技術在腫瘤檢測方面表現出巨大應用潛力,其中基于非標記SERS的血液分析技術具有無創、簡便和有效克服腫瘤異質性檢測等優勢,然而在實際應用中,仍然存在以下挑戰:(1)由于樣本制備過程中“咖啡環效應”的存在,導致SERS信號的重復性降低以及波動的增大,給檢測標準化帶來困難;(2SERS光譜檢測過程中需要對樣品的檢測位點進行逐個人工定位,存在主觀依賴性以及耗時等不足,無法滿足大樣本、多癌種的高通量與精準檢測需求,阻礙了其進一步的臨床轉化應用。針對以上不足,課題組研發出一套具有超疏水、自定位功能的SERS光譜檢測平臺。得益于特殊設計的超疏水圓弧形凹槽陣列,該平臺不僅可以克服咖啡環效應,實現目標的自動定位與高通量快速檢測,還能同時提高檢測靈敏度(檢測極限:10-12 M)與信號重復性(相對標準偏差:3.7%)。利用該檢測平臺對乳腺癌患者、白血病患者、乙肝患者和正常自愿者血清樣本進行檢測分析,獲得了四類樣本高質量的血液特征SERS光譜,同時利用深度學習算法,挖掘潛在的診斷信息,建立高效的診斷模型,可對四類樣本進行準確(>80%)識別與分類。該檢測平臺的建立有助于開展多組分、多癌種、大樣本的高效檢測研究,有望進行臨床應用轉化,為腫瘤的早期篩查、進展監測以及預后評估提供光學檢測新方法。

    研究成果以High Throughput Blood Analysis Based on Deep Learning Algorithm and Self-Positioning Super-Hydrophobic SERS Platform for Non-Invasive Multi-Disease Screening為題發表在《Advanced Functional Materials》(IF=18.808,一區TOP),福建師范大學為第一單位,博士研究生林學亮為第一作者,馮尚源教授、林多博士以及福州大學宋繼彬教授為通訊作者。該工作得到了國家自然科學基金、福建省高校產學合作項目、福建師范大學“寶琛計劃”高端人才計劃、教育部創新團隊計劃等項目的資助。

      

    模型2

    圖 超疏水自定位血液SERS檢測平臺用于多種疾病的高通量檢測示意圖。

     

    論文鏈接:https://onlinelibrary.wiley.com/doi/10.1002/adfm.202103382

     




    草榴裙视频