[发明专利]一种神经元损伤差异生物大分子光谱标志峰、识别方法及应用

说明书

本发明提供了一种神经元损伤差异生物大分子光谱标志峰、识别方法及应用，属于光谱分类技术领域；在本发明中，基于拉曼光谱得出大脑中动脉闭塞(MCAO)模型产生的光谱峰数据，然后对光谱峰数据进行主成分分析、vector analysis等方法鉴定生物大分子特征光谱峰，并采用随机森林算法进行分类模型构建，通过分类模型得到所述神经元损伤差异生物大分子光谱标志峰和识别方法；所述神经元损伤差异生物大分子光谱标志峰在非诊断与治疗目的的评价神经元损伤有着很好的应用。

技术领域

本发明属于光谱分类技术领域，具体涉及一种神经元损伤差异生物大分子光谱标志峰、识别方法及应用。

背景技术

缺血性脑卒中临床溶栓治疗后，血流重建脑缺血再灌注释放炎症信号，介导炎性细胞的聚集和炎性因子的释放，引发脑组织缺血再灌注损伤。因此，需要精准评价药物在此阶段的神经元细胞保护作用，这对临床的用药具有重要的指导作用。然而传统的病理染色不能揭示神经元细胞生物大分子的代谢变化，无法对神经元损伤程度进行可视化、精准评估，无法对不同损伤程度神经元进行精准鉴别。

生物光谱作为一项跨领域技术，通过对一系列波长范围的光与物质作用的观察和测量，实现对物质含量，结构组成等信息的获取，针对细胞和组织构成的显著化学变化提供无损、快速、准确、高数据量的分子特异性的信息，结合数据处理进而实现从分子水平到组织水平的光谱检测和光谱诊断。目前，将生物光谱如拉曼光谱与传统病理显微观察技术相结合，尽管能够实现组织切片的多维数据采集，在记录组织细胞光谱指纹的同时获得生化信息来预估细胞的生理状态，但是拉曼光谱产生极大的数据量，依靠人工分辨特征峰，工作量巨大。因此，需要提供一种精确度高、快速的神经元损伤差异生物大分子光谱标志峰识别方法。

发明内容

针对现有技术中存在不足，本发明提供了一种神经元损伤差异生物大分子光谱标志峰、识别方法及应用。在本发明中，基于拉曼光谱得出大脑中动脉闭塞(MCAO)模型产生的光谱峰数据，然后对光谱峰数据进行主成分分析、vector analysis等方法鉴定生物大分子特征光谱峰，并采用随机森林算法进行分类模型构建，通过分类模型得到所述神经元损伤差异生物大分子光谱标志峰和识别方法；所述神经元损伤差异生物大分子光谱标志峰在非诊断与治疗目的的评价神经元损伤有着很好的应用。

本发明中还提供了一种神经元损伤差异生物大分子光谱标志峰，所述神经元损伤差异生物大分子光谱标志峰的特征位置为1000cm^-1(苯丙氨酸)。

本发明中还提供了上述神经元损伤差异生物大分子光谱标志峰的识别方法，所述识别方法包括：

S1:建立不同程度神经元损伤大脑中动脉闭塞(MCAO)模型，脑组织切片并HE染色，然后以组织切片为检测载体进行神经元细胞拉曼采集和数据处理，建立神经元损伤的光谱数据库；

S2:对不同程度神经元损伤的光谱数据库中的光谱数据进行预处理，得到光谱特征指数优选数据集；

S3:利用机器学习算法PCA-LDA开展不同组别神经元细胞的光谱数据生化特征峰抓取，得到光谱数据中与蛋白质、核酸和脂质等生物大分子变化相关联的峰位；

S4:利用机器学习算法随机森林开展不同组别神经元细胞的光谱数据模型构建，得到神经元分类模型，分析光谱差异峰。

进一步地，步骤S1中，所述神经元损伤的光谱数据库的构建方法具体包括：对切片后的脑组织进行脱蜡，然后进行光谱测量获得不同神经元损伤进程的光谱测量结果，整理所有神经元损伤的光谱测量数据构建出神经元损伤光谱数据库。

进一步地，步骤S2中，所述预处理的方法包括：利用多项式校正光谱数据库基线、小波去噪和对数据进行矢量归一化，然后得到光谱特征指数优选数据集。

进一步地，步骤S3中，所述光谱数据中与蛋白质、核酸和脂质等生物大分子变化相关联的峰位的获得方法包括：