微生物+单细胞分选仪 拉曼单细胞分选仪 高通量菌落智能筛选系统 单细胞显微光镊操纵与分选系统 |
拉曼+共聚焦拉曼光谱仪 近红外共聚焦拉曼光谱仪 拉曼单细胞分选仪 |
成像+超快三维荧光成像系统 智能细胞荧光计数仪制药颗粒物检测仪 |
核酸快检便携式核酸恒温扩增分析仪耗材拉曼信号增强芯片 细胞分选芯片 |
复旦大学马炯教授团队和长光辰英李备研究员团队,利用长光辰英核心产品——MicroRaman 颗粒物检测仪,在《AAPS PharmSciTech》期刊上发表了题为“Visible Particle Identification Using Raman Spectroscopy and Machine Learning”的论文。本研究利用含可见颗粒的标准溶液,识别到其拉曼光谱的全光谱、指纹区、高波数区及拉曼背景等光谱数据构建的光谱数据集,训练的5种分类算法,为颗粒识别提供一种简单准确的数据分析方法。
可见颗粒识别是可注射生物治疗药物产品制造过程中工艺改进和控制的关键先决步骤。拉曼光谱是一种在颗粒识别方面具有多项优势的技术,包括灵敏度高、样品操作简单以及适用于水溶液等。然而,提取分析拉曼光谱数据需要大量的工作和经验。在这项研究中,我们应用机器学习算法分析拉曼光谱数据来识别可见粒子、训练了五种分类算法并建立了拉曼光谱库。
可见颗粒物分析检测流程
在这项研究中,我们应用机器学习算法来分析拉曼光谱并识别在生物制药注射药物产品制造过程中可能观察到的常见可见颗粒,包括纤维素、羊毛、聚丙烯 (PP)、聚偏二氟乙烯 (PVDF)、聚醚砜 (PES) 、聚四氟乙烯 (PTFE)、硅油、硅胶管、玻璃和蛋白质。使用从手动制备的可见颗粒标准溶液中获得的拉曼光谱对可见颗粒识别的预测模型进行了训练和验证。这项工作展示了一种准确、快速且易于处理的基于拉曼光谱的可见粒子检测方法与准确高效的机器学习算法相结合的可见粒子分类预测的应用。
我们的结果表明,拉曼光谱和机器学习的结合可以为颗粒物识别提供一种简单而准确的数据分析方法,可以对可见粒子进行了准确的峰位匹配定位分析,具有 >98% 的高预测精度。
原文链接:
· 适用于液体固体物质检测,它采用无损的检测方法,具有快速响应和高灵敏度特点。
· 是一款专为生物检测研制的智能型共聚焦拉曼光谱仪。
· 集高稳定性、高分辨率和卓越成像性能于一体,帮助用户深度挖掘图谱内在信息。
· 可构建个性化的拉曼数据库,适用于多种应用
马炯教授,复旦大学信息科学与工程学院的研究员和博导,2017年至今与长春光机所合作多次,主要从事光学技术在生物医学领域的应用研究.并且在颗粒物拉曼鉴定方向也有一些研究成果.他的团队在多个项目中都有重要贡献,包括新型实时三维高速超分辨率显微镜,单点斜入射快速超分辨显微技术在各类对称生物生物系统内的应用。
李备研究员,长光辰英创始人兼总经理,英国布里斯托大学博士学位,曾任牛津大学高级研究员,致力于推动国产高端科学仪器研发,科研方向涵盖光学显微,光谱学,3D全息成像,光子器件集成等,产业化方向包括单细胞精准分选,拉曼光谱用于生物医学精准检测,光学成像技术开发应用等。