一、研究背景

细胞错用和交叉污染会影响细胞研究结果的准确性，浪费大量时间、人力和物力。所以细胞系的鉴定十分重要和必要。目前常用的细胞系鉴定方法需要对细胞进行染色或培养。因此有必要开发一种快速、自动的细胞系鉴定新方法。拉曼光谱已经成为微生物鉴定领域的新兴技术之一，具有快速、无创的优点，能够提供生物样品的分子信息，在细胞系鉴定上十分有优势。

二、 研究内容

图1. 数据集组成及SL-Raman算法原理图。

我们使用R300收集了胃癌细胞系的拉曼光谱。我们收集了每个细胞五个位置的拉曼光谱，以创建平均光谱。我们从每个细胞系的约100个细胞收集了总共约3500个光谱和约700个平均光谱。在信噪比数据筛选后，总共3300个光谱和660个平均光谱用于模型训练。

图2. 正常和胃癌细胞的平均拉曼光谱。

（1）区分正常细胞和单个胃癌细胞

使用五种机器学习算法（SVM、KNN、LDA、XGBoost和DT算法）来区分正常胃粘膜上皮细胞和胃癌细胞的拉曼光谱数据，识别准确度分别为98.66%、97.73%、99.20%、93.61%和95.51%。因此，基于拉曼光谱和通用机器学习模型对于胃癌细胞的识别是有效的，其中LDA的识别效果最好。然后，我们比较了同一数据集不同模型的总体分类结果。不同模型对全光谱数据集、指纹区域数据集、HW区域数据集和背景数据集的识别准确率分别为97.72%、97.62%、98.85%、94.38%和96.13%。也就是说，在拉曼光谱数据中具有高信号噪声的二分类任务中，全光谱、指纹区域和HW区域都被有效地用于识别光谱数据中的差异。在该分类任务中，HW区域数据集实现了最高的分类精度。此外，在使用背景数据集识别胃癌细胞系的任务中，五个分类模型的准确率达到94.38%。SL-Raman的识别结果如表1所示。在选择最有效的机器学习模型作为SL-Raman的基础模型之后，使用快速简单的KNN元模型也可以获得良好的识别结果。

表1. 用SL-Raman鉴定胃癌细胞的准确性。

（2）区分正常细胞与多种类型胃癌细胞

为了验证SL-Raman在不同情况下的分类能力，我们在总共七个正常和胃癌细胞系数据集上训练了该模型。所得到的分类精度、混淆矩阵和接收机工作特性（ROC）曲线如图3所示。当LDA用作SL-Raman的基础模型时，不同元模型的SL-Raman准确度分别为100%、100%、15.15%、100%和99.43%。最终的SL-Raman基础模型是LDA，选择的元模型是KNN，模型精度为100%。

图3. SL-Raman和不同机器学习模型识别7个细胞系的结果。

（3）不同分化程度胃癌细胞的鉴别

为了验证SL-Raman识别不同分化程度胃癌细胞的能力，我们构建了胃癌细胞系AGS（高分化）和BGC-823（低分化）的数据集。分类精度、混淆矩阵和ROC曲线结果如图4所示。如图4所示。当LDA用作SL-Raman的基础模型时，不同元模型的SL-Raman准确度分别为99.36%、99.36%、100%、98.08%和99.36%。最终的SL-Raman基础模型和元模型均为LDA，模型准确度为100%。

图4. SL-Raman和不同机器学习模型识别不同分化程度胃癌细胞系的结果。

（4）胃癌细胞的拉曼光谱

拉曼光谱可用于鉴定细胞系和评估细胞的生化成分。如图5.a所示，正常和胃癌细胞的光谱存在显著差异。我们总结了特征峰范围的强度，以直观地比较不同生化成分的总体变化。

图5.拉曼光谱分析。

文章链接：

https://doi.org/10.1016/j.csbj.2022.12.050