بیوفوتونیک به عنوان مطالعه سلول ها، بافت ها و ذرات بیولوژیکی با استفاده از نور در محدوده مرئی و نزدیک به مرئی تعریف می شود. نقش مهمی در بهبود روش های تصویربرداری و درمانی ایفا می کند که معمولاً برای اهداف بالینی تنظیم می شوند، از جمله پیشرفت در لیزر، اپتیک و آشکارسازهای فلورسانس. چندین تکنیک اولیه در مطالعه بیوفوتونیک استفاده می شود.
خلاصه
موچین لیزری طیف سنجی رامان (LTRS) ترکیبی از موچین لیزری و طیف سنجی رامان است. این یک ابزار فیزیکی مبتنی بر اثرات مکانیکی لیزر است که میتوان از آن برای مطالعه سلولهای زنده منفرد در حالت تعلیق به روشی سریع و غیر مخرب استفاده کرد. هدف کار ما ایجاد یک سیستم روششناسی مبتنی بر LTRS برای تشخیص سریع و غیر مخرب مقاومت سلولهای لوسمی لنفوبلاستیک حاد (ALL) و ارائه یک ایده جدید برای ارزیابی مقاومت سلولهای ALL است. دو سلول BALL-1 و Nalm6 خاص مقاوم به آدریامایسین و والدین ALL در این مطالعه وارد شدند. سلولهای مقاوم به آدریامایسین میتوانند تفاوتهای طیفی را القا کنند، که میتواند در ابتدا توسط LTRS شناسایی شود. برای اطمینان از صحت نتایج، از تجزیه و تحلیل مؤلفههای اصلی (PCA) و همچنین الگوریتمهای طبقهبندی و درختان رگرسیون (CRT) استفاده میکنیم که نشان میدهد ویژگی و حساسیت LTRS بالای 90 درصد است. علاوه بر این، برای روشن شدن بیشتر وضعیت مقاومت شیمیایی سلولهای ALL، از مدلهای CRT و منحنیهای مشخصه عملکرد گیرنده (ROC) استفاده کردیم که بر اساس دادههای باند هستند تا به دنبال باندهای مهم و نسبتهای شدت باند که دارای اهمیت نقطهای قوی هستند، بگردیم. کار ما ثابت میکند که تجزیه و تحلیل LTRS همراه با تجزیه و تحلیلهای آماری چند متغیره، پتانسیل بالایی برای تبدیل شدن به یک استراتژی تحلیلی جدید در سطح تک سلولی برای ارزیابی سریع وضعیت مقاومت شیمیایی سلولهای ALL دارد.
امکان سنجی طیف سنجی رامان به عنوان یک ابزار بالقوه in vivo برای غربالگری پیش دیابت و دیابت
خلاصه
در این مقاله، ما امکان استفاده از طیفسنجی رامان و روش تجزیه و تحلیل چند متغیره را برای غربالگری غیرتهاجمی برای پیش دیابت و دیابت در داخل بدن بررسی کردیم. اندازه گیری رامان روی پوست 56 بیمار دیابتی، 19 بیمار پیش دیابتی و 32 داوطلب سالم انجام شد. این طیف ها همراه با مقادیر مرجع ارائه شده توسط روش استاندارد هموگلوبین گلیکوزیله (HbA1c) جمع آوری شدند. یک مدل تجزیه و تحلیل اجزای اصلی چند کلاسه و ماشین بردار پشتیبان (PCA-SVM) از طیفهای رامان برچسبگذاری شده ایجاد شد و از طریق یک طرح اعتبارسنجی متقاطع دو لایه تأیید شد. دقت طبقهبندی مدل 94.3 درصد با سطح زیر AUC منحنی عملکرد گیرنده 0.76 (0.65-0.84) برای گروه پیش دیابتی، 0.86 (0.71-0.93) برای گروه دیابتی و 0.97 (0.93-0.99) بود. برای گروه کنترل نتایج ما امکان استفاده از طیفسنجی رامان را برای طبقهبندی پیش دیابت و دیابت در داخل بدن نشان میدهد.
توسعه یک رویکرد قابل اعتماد، سریع و کم هزینه با افزایش حساسیت برای تشخیص ویروس SARS-CoV-2 و بیماری COVID-19 یک اولویت مهم جامعه علمی است. این بررسی مروری بر رویکردهای فوتونیکی ارائه می دهد که برای تشخیص عفونت SARS-CoV-2 و بیماری COVID-19 در حال بررسی هستند.