基于尿液表面增强拉曼光谱和机器学习的膜性肾病检测

来源：上海理工大学学报杂志2025年第4期北京时间：

作者：程蕊，沈剑箫，戚超君，马佳伟，章仕徵，杨荟楠

单位：上海理工大学 能源与动力工程学院，上海 200093,上海交通大学医学院附属仁济医院，上海 200127,上海交通大学医学院附属仁济医院，上海 200127,上海理工大学 能源与动力工程学院，上海 200093,上海理工大学 能源与动力工程学院，上海 200093,上海理工大学 能源与动力工程学院，上海 200093

摘要：为提高膜性肾病检测的安全性和效率，研究了表面增强拉曼光谱（SERS）技术应用于生物样品的检测。基于SERS技术对60例膜性肾病（membranous nephropathy，MN）、84例IgA肾病（IgA nephropathy，IgAN）、26例糖尿病肾病(diabetic nephropathy，DN)和68例肾小球类疾病(glomerular disease，GD)患者的尿液样本进行检测，建立了MN、IgAN、DN和GD的SERS库，将SERS库的数据分为（MN/IgAN、MN/DN、MN/GD）3组。对比分析光谱数据的拉曼特征峰，解释其赋值和生物医学意义。在此基础上，利用主成分分析?线性判别分析（PCA?LDA）和偏最小二乘判别分析（PLS?DA）方法建立分类模型。结果表明，基于PCA?LDA的分类模型对MN/IgAN、MN/DN和MN/GD的分类准确率均为100.00%；基于PLS?DA的分类模型对MN/IgAN、MN/DN和MN/GD的分类准确率分别为95.12%、100.00%和96.09%。PCA?LDA模型具有更高的准确率，将PCA?LDA模型进行交叉验证，优化后的模型对MN/IgAN、MN/DN和MN/GD的分类准确率分别为74.38%、90.70%和77.34%。因此，SERS在区分MN患者和其他肾病患者方面具有临床诊断的潜在价值。

关键词：尿液;表面增强拉曼光谱;膜性肾病;机器学习

基金资助：国家自然科学基金资助项目（52376161）；上海市“曙光”计划资助项目（23SG42）