CN115372334B 一种基于血清rna表面增强拉曼光谱的宫颈癌筛查方法 （北京邮电大学）

一种基于血清RNA表面增强拉曼光谱的宫颈本发明公开了一种基于血清RNA表面增强拉血清样本。然后分别从两组血清样本中提取总RNA，在铝箔上依次滴上金胶以及癌症组和对照血清RNA表面增强拉曼光谱测量，分别对获得的两组血清RNA表面增强拉曼光谱利用PCA方法进行降维处理，筛选出两组血清RNA表面增强拉曼光谱数据中差异最大的若干成分。最后利用LOOCV方法分别对比LDA、SVM和Adaboost分类模型对若干成分的识别结果，选择最优的分类模型，结合PCA，实现对未知血清样本的宫颈癌筛21.一种基于血清RNA表面增强拉曼光谱的宫颈癌筛查方法，其特征在于，包括以下步步骤一，从医院的血液样本库中随机抽取若干宫颈癌患者的步骤二，利用Trizol试剂分别从两组血清样本中提取总R所述的主成分分析PCA方法通过正交变换构建光谱数据的高方差变量，研究高维数据步骤六，对两组血清RNA表面增强拉曼光谱数据中差异最大的然后，对比三个分类模型的识别结果，并选择识别结最后，得出PCA-Adaboost分类诊断模型对宫颈癌筛查的参数最优，即将PCA2.根据权利要求1所述的一种基于血清RNA3.根据权利要求1所述的一种基于血清RN34.根据权利要求1所述的一种基于血清RNA表面增强拉曼光谱预先拟合的基线和原始信号之间利用SSE自适应地获取迭代的权重，以此在保留主要光谱5.根据权利要求1所述的一种基于血清RN4[0001]本发明属于生物医学光学领域，涉及一种基于血清RNA表面增强拉曼光谱的宫颈癌筛查方法，具体涉及一种肿瘤标志物血清RNA的提取结合表面增强拉曼散射(SERS)光谱清RNA结合SERS技术进行宫颈癌和子宫肌瘤筛查[0005]本发明目的在于提供一种基于血清RNA表面增强拉曼光谱的宫颈癌筛查方法，为区分宫颈癌和子宫肌瘤患者血清RNASER5[0018]所述的基线校正是利用迭代自适应加权惩罚最小二乘法(air该方法在预先拟合的基线和原始信号之间利用SSE自适应地获取迭代的权重，以此在保留[0019]所述的标准化预处理是通过Z-score标准化处理每个光谱，减少光谱采集过程中[0020]所述的主成分分析(PCA)方法通过正交变换构建光谱数据的高方差变量，研究高交叉验证(LOOCV)方法分别对比线性判别分析(LDA)、支持向量机(SVM)和自适应增强[0025]最后，得出PCA-Adaboost分类诊断模型对宫颈癌筛查的参数最优，即将PCA-6[0033]图4为本发明实施例中通过主成分分析得出的具有明显差异的主成分三维散点并发明了一种基于SERS技术结合主成分分析(PCA)和自适应增强(Adaboost)算法的方法，7[0050]本实施例中，采用配备785nm二极管激光器的拉曼光谱仪(ATR8300MP，Optosky胶和混合金胶后的RNA拉曼光谱分别如曲线(b)和曲线(c)所示，从图2中可以看出金胶对理是对设定窗口内的数据进行加权滤波，其权重系数根据最小二乘拟合得到，在平滑RNA[0055]所述的基线校正是利用迭代自适应加权惩罚最小二乘法(air该方法在预先拟合的基线和原始信号之间利用SSE自适应地获取迭代的权重，以此在保留[0056]所述的标准化预处理是通过Z-score标准化处理每个光谱，减少光谱采集过程中颈癌和子宫肌瘤血清RNASERS谱中具有明显差异的特征峰标记在图3[0058]所述的主成分分析(PCA)方法通过正交变换构建光谱数据的高方差变量，研究高交叉验证(LOOCV)方法分别对比线性判别分析(LDA)、支持向量机(SVM)和自适应增强8宫颈癌与子宫肌瘤血清RNASERS光谱分类上的适用性，本发明利用留一交叉验证(LOOCV)[0065]本发明中采用的Adaboost算法将决策树作为简单分类器，并对分类器的个数C(Classifiernumber)和决策阈值的倒数S(Steplength)进行了网格寻优，其他参数设为[0066]三个分类模型算法对本实施例所得的宫颈癌和子宫肌瘤血清RNASERS光谱进行法表现最佳，该技术鉴别宫颈癌与子宫肌瘤的准确率为96.92特异度为100.00灵敏