Nieuw gegevensverwerkingsprotocol maakt op kenmerken gebaseerde herkenning van Surface-enhanced Raman-spectra mogelijk voor het onderzoeken van intracellulaire moleculen van biologische doelen. Het vertrouwt op het lokaal detecteren van de meest relevante spectra om alle gegevens onafhankelijk op te halen via indexering.

Raman-spectroscopie biedt moleculaire specificiteit door spectraal opgeloste meting van de inelastische verstrooiing onder monochromatische excitatie. In het kader van microscopie, het kan dienen als labelvrije celbeeldvorming, het verstrekken van structurele informatie. Echter, de zeer lage dwarsdoorsnede van Raman-verstrooiing vereist langdurige belichtingen, die beeldvorming van cellulaire componenten met lage concentraties uitsluiten. Oppervlakteversterkte Raman-spectroscopie (SERS), die berust op de lokale versterking van het elektromagnetische veld geproduceerd door metalen nanostructuren, is een benadering om de gevoeligheid van de Raman-detectie drastisch te verhogen met behoud van grote hoeveelheden spectrale informatie. Bij cellulaire beeldvorming, de meting wordt meestal uitgevoerd op endocytose nanostructuren. Echter, de gemeten SERS-signalen variëren sterk omdat ze afhankelijk zijn van het excitatiebundelprofiel, lokale aanwezigheid of aggregatie van deeltjes en lokale moleculaire omgeving. Het identificeren en extraheren van spectra die overeenkomen met moleculen van belang binnen een SERS-gegevensset is erg moeilijk.

Conventionele data-analysemethoden zoeken naar globale patronen in de data, terwijl de gevoeligheid voor één molecuul van SERS onafhankelijke moleculen in elke pixel kan detecteren met weinig correlatie tussen pixels. Nicolas Pavillon en zijn collega's van de Universiteit van Osaka hebben nu verschillende algoritmische methoden onderzocht om automatisch interessante spectra in het gemeten gezichtsveld te onderscheiden, zonder veronderstellingen op te leggen over de zelfgelijkheid van de gegevens. De voorgestelde methode is gebaseerd op de indexering van de posities van relevante spectra, die worden geselecteerd door de berekening van een kwaliteitskaart.

De wetenschappers stelden verschillende criteria voor om spectra-extractie te berekenen, zoals de spectrale energie, het aantal pieken per spectra, of de projectiecoëfficiënten op SVD-vectoren. Ze beoordeelden elk criterium met gesimuleerde gegevens en pasten deze benadering toe op verschillende soorten metingen, zoals gedroogde Rhodamine 6G geadsorbeerd op gouden nanodeeltjes afgezet op een glassubstraat, en HeLa-cellen met endocytose gouden nanodeeltjes.

Uit de tests met gesimuleerde gegevens bleek dat verschillende criteria bevredigende resultaten kunnen opleveren. De rekentijd zou enorm kunnen worden verkort door irrelevante pixels weg te gooien via een eenvoudig criterium op basis van de spectrale energie, het verminderen van de verwerkingstijd tot typisch minder dan 10 seconden voor een gezichtsveld in de orde van 100 x 100 pixels.

De tests die zijn uitgevoerd op Rhodamine 6G-metingen hebben de validiteit van de voorgestelde aanpak aangetoond, waar het bekende spectrum automatisch kan worden geëxtraheerd. Het piektellingscriterium was voor de meeste gevallen het meest geschikt, omdat het verschillende patronen detecteert zonder enige curve uit te filteren die slechts een enkele instantie in de dataset kan voorkomen. Dergelijke enkele spectra kunnen van cruciaal belang zijn in een bepaald SERS-detectie-experiment. Een belangrijk kenmerk van de voorgestelde aanpak is dat de output een lokalisatiekaart is van de meest relevante spectra in een meting. De ruimtelijke informatie blijft behouden, het mogelijk maken om de posities van meerdere spectra met identieke eigenschappen te traceren, bijvoorbeeld. De geoptimaliseerde methode werd gebruikt om het complexe SERS-responsgedrag van gouden nanodeeltjes in levende cellen te extraheren en te classificeren.