SERS协同机器学习在生物医药检测中的应用

摘要

表面增强拉曼光谱(surface-enhanced Raman spectroscopy, SERS)能够捕获分子的化学键振动特征，实现高灵敏度和特异性的无标记检测，在检测生物样品方面具有显著的优势和应用潜力，但面临数据特征复杂、光谱波动性、重复性、特征峰重叠等挑战。机器学习(machine learning, ML)通过算法和模型使计算机从数据中自动学习并进行预测或决策，在解析生物样品的复杂SERS光谱，推进其临床应用中展现出广阔前景。本文综述ML算法如何提升SERS性能，介绍用于ML的SERS数据的预处理方法、探讨ML处理SERS数据的功能类型和基本流程，并重点介绍其在分类和定量分析以及疾病诊断中的应用。此外，本文还讨论ML辅助SERS在分子结构预测、拉曼光谱数据库构建及DNA与RNA区分方面的潜力。最后，对ML集成SERS的挑战和未来发展方向进行展望。

关键词

表面增强拉曼散射 / 机器学习 / 生物医药 / 特征提取 / 疾病诊断