Nytt databearbetningsprotokoll möjliggör funktionsbaserad igenkänning av ytförstärkta Raman-spektra för intracellulär molekylsondering av biologiska mål. Den förlitar sig på att lokalt detektera de mest relevanta spektra för att hämta all data oberoende genom indexering.
Ramanspektroskopi ger molekylär specificitet genom spektralt upplöst mätning av den oelastiska spridningen under monokromatisk excitation. I samband med mikroskopi, det kan fungera som etikettfri cellavbildning, tillhandahålla strukturell information. Dock, det mycket låga tvärsnittet av Raman-spridning kräver långtidsexponering, som utesluter avbildning av cellulära komponenter med låga koncentrationer. Ytförstärkt Raman-spektroskopi (SERS), som förlitar sig på den lokala elektromagnetiska fältförstärkningen som produceras av metalliska nanostrukturer, är ett tillvägagångssätt för att drastiskt öka känsligheten för Raman-detekteringen samtidigt som stora mängder spektral information bibehålls. Vid cellulär bildbehandling, Mätningen utförs vanligtvis på endocyterade nanostrukturer. Dock, de uppmätta SERS-signalerna varierar kraftigt eftersom de beror på excitationsstrålens profil, lokal partikelnärvaro eller aggregering och lokal molekylär miljö. Att identifiera och extrahera spektra som motsvarar molekyler av intresse inom en SERS-datauppsättning är mycket svårt.
Konventionella dataanalysmetoder letar efter globala mönster i data, medan känsligheten för en molekyl hos SERS kan detektera oberoende molekyler i varje pixel med liten korrelation mellan pixlar. Nicolas Pavillon och hans kollegor från Osaka University utforskade nu olika algoritmiska metoder för att automatiskt urskilja spektra av intresse i det uppmätta synfältet, utan att göra antaganden om uppgifternas självlikhet. Den föreslagna metoden bygger på indexering av positionerna för relevanta spektra, som väljs genom beräkning av en kvalitetskarta.
Forskarna föreslog olika kriterier för att beräkna spektraextraktion, som spektralenergin, toppantalet per spektra, eller projektionskoefficienterna på SVD-vektorer. De utvärderade varje kriterium med simulerade data och tillämpade detta tillvägagångssätt på olika typer av mätningar, såsom torkad Rhodamine 6G adsorberad på guldnanopartiklar avsatta på ett glassubstrat, och HeLa-celler med endocyterade guldnanopartiklar.
Testerna med simulerade data visade att olika kriterier kan ge tillfredsställande resultat. Beräkningstiden skulle kunna minskas enormt genom att kassera irrelevanta pixlar genom ett enkelt kriterium baserat på spektralenergin, minskar bearbetningstiden till vanligtvis mindre än 10 sekunder för ett synfält i storleksordningen 100 X 100 pixlar.
Testerna som utfördes på Rhodamine 6G-mätningar visade giltigheten av den föreslagna metoden, där dess kända spektrum kunde extraheras automatiskt. Toppräkningskriteriet var det mest lämpliga för de flesta fall, eftersom den upptäcker olika mönster utan att filtrera bort någon kurva som kanske bara visas en enda instans i datamängden. Sådana enstaka spektra kan vara kritiskt viktiga i ett givet SERS-detektionsexperiment. Ett huvuddrag i det föreslagna tillvägagångssättet är att dess utdata är en lokaliseringskarta över de mest relevanta spektra i en mätning. Den rumsliga informationen behålls, gör det möjligt att spåra positionerna för flera spektra med identiska egenskaper, till exempel. Den optimerade metoden användes för att extrahera och klassificera det komplexa SERS-svarsbeteendet hos guldnanopartiklar tagna i levande celler.
