俄罗斯联邦科学研究中心的Olga Cherkasova等在U87细胞原位裸鼠模型中，采用拉曼光谱分析血清内胶质瘤的相关生物标志物，及测定裸鼠模型中肿瘤指标；评估其在胶质瘤发生发展过程中的诊断作用。结果在线发表于2023年1月的《Pharmaceutics》在线。
——摘自文章章节
【Ref: Vrazhnov D, et al. Pharmaceutics. 2023 Jan 6;15(1):203. doi: 10.3390/pharmaceutics15010203.】
胶质瘤，尤其是胶质母细胞瘤（GBM），是具侵袭力、致命的脑肿瘤。早期诊断对于胶质瘤诊治及改善预后至关重要。已有研究表明，血清的拉曼光谱分析在乳腺癌和肝癌诊断中起重要作用，但在胶质瘤诊断中的价值尚不明确。俄罗斯联邦科学研究中心的Olga Cherkasova等在U87细胞原位裸鼠模型中，采用拉曼光谱分析血清内胶质瘤的相关生物标志物，及测定裸鼠模型中肿瘤指标；评估其在胶质瘤发生发展过程中的诊断作用。结果在线发表于2023年1月的《Pharmaceutics》在线。
作者建立一个基于RF的非线性回归模型，以拉曼光谱作为自变量，肿瘤体积作为因变量；发现胶质瘤体积变化是一个非线性函数。U87细胞在裸鼠脑内原位种植后第1周、第2周和第3周的肿瘤大小呈非线性增加，分别为2.6±0.4、10.6±1.8和89.6±11.5mm³。造模成功后，通过拉曼光谱分析，显示U87细胞肿瘤组与对照组的标准偏差随着时间的增加而降低，脑组织代谢呈现规则而非随机的峰值，可能与肿瘤生长有关。应用PCA法分析拉曼光谱数据，发现肿瘤组与对照组不同，但有交叉点。
作者每周通过支持向量机（Support vector machine，SVM）、随机森林（Random Forest，RF）和XGBoost等算法测试肿瘤组与对照组的情况，同时应用与不应用PCA主成分分析协助诊断。第3周的结果显示，SVM在应用主成分分析的U87-1组和U87-3组中显示最佳值，在未应用主成分研究的U87-2组中显示最佳值。与SVM相比，RF在U87-1和U87-2组呈现相反模式。而PCA的应用不影响XGBoost的ROC分析。
该研究通过拉曼光谱检测血清中的生物标志物检测胶质瘤的发生发展状况，应用机器学习方法分析拉曼光谱，并确定信息量最大的窗口。作者认为，血清拉曼光谱分析可以监测胶质瘤发展过程中的变化；拉曼光谱与机器学习相结合，有助于对组织和血清进行实时分析，快速诊断胶质瘤及其分级，为治疗提供依据。
声明：脑医汇旗下神外资讯、神介资讯、神内资讯、脑医咨询、AiBrain 所发表内容之知识产权为脑医汇及主办方、原作者等相关权利人所有。
投稿邮箱：NAOYIHUI@163.com
未经许可，禁止进行转载、摘编、复制、裁切、录制等。经许可授权使用，亦须注明来源。欢迎转发、分享。
