El nuevo protocolo de procesamiento de datos permite el reconocimiento basado en características de los espectros Raman mejorados en la superficie para el sondeo de moléculas intracelulares de objetivos biológicos. Se basa en la detección local de los espectros más relevantes para recuperar todos los datos de forma independiente a través de la indexación.
La espectroscopía Raman proporciona especificidad molecular a través de la medición resuelta espectralmente de la dispersión inelástica bajo excitación monocromática. En el contexto de la microscopía, puede servir como imagen de células sin etiquetas, proporcionando información estructural. Sin embargo, la sección transversal muy baja de la dispersión Raman requiere exposiciones prolongadas, que impiden la obtención de imágenes de componentes celulares con concentraciones bajas. Espectroscopía Raman mejorada de superficie (SERS), que se basa en la mejora del campo electromagnético local producido por nanoestructuras metálicas, es un enfoque para aumentar drásticamente la sensibilidad de la detección Raman mientras retiene grandes cantidades de información espectral. En imágenes celulares, la medición se realiza habitualmente en nanoestructuras endocitosadas. Sin embargo, las señales de SERS medidas varían mucho ya que dependen del perfil del haz de excitación, presencia o agregación de partículas locales y entorno molecular local. Identificar y extraer espectros correspondientes a moléculas de interés dentro de un conjunto de datos SERS es muy difícil.
Los métodos convencionales de análisis de datos buscan patrones globales en los datos, mientras que la sensibilidad de una sola molécula de SERS puede detectar moléculas independientes en cada píxel con poca correlación entre los píxeles. Nicolas Pavillon y sus colegas de la Universidad de Osaka ahora exploraron diferentes métodos algorítmicos para discriminar automáticamente los espectros de interés en el campo de visión medido. sin imponer suposiciones sobre la auto-similitud de los datos. El método propuesto se basa en la indexación de las posiciones de los espectros relevantes, que se seleccionan mediante el cálculo de un mapa de calidad.
Los científicos propusieron varios criterios para calcular la extracción de espectros, como la energía espectral, el recuento de picos por espectro, o los coeficientes de proyección en vectores SVD. Evaluaron cada criterio con datos simulados y aplicaron este enfoque a diferentes tipos de mediciones, como la rodamina 6G seca adsorbida en nanopartículas de oro depositadas sobre un sustrato de vidrio, y células HeLa con nanopartículas de oro endocitosadas.
Las pruebas con datos simulados mostraron que varios criterios pueden proporcionar resultados satisfactorios. El tiempo de cálculo podría reducirse enormemente descartando píxeles irrelevantes mediante un criterio simple basado en la energía espectral, reduciendo el tiempo de procesamiento a menos de 10 segundos para un campo de visión del orden de 100 X 100 píxeles.
Las pruebas realizadas en las mediciones de rodamina 6G demostraron la validez del enfoque propuesto, donde su espectro conocido podría extraerse automáticamente. El criterio de recuento máximo fue el más adecuado para la mayoría de los casos, ya que detecta varios patrones sin filtrar ninguna curva que puede aparecer solo como una instancia en el conjunto de datos. Estos espectros individuales pueden ser de importancia crítica en un experimento de detección de SERS dado. Una característica principal del enfoque propuesto es que su salida es un mapa de localización de los espectros más relevantes en una medición. La información espacial se conserva, haciendo posible rastrear las posiciones de varios espectros con propiedades idénticas, por ejemplo. El método optimizado se utilizó para extraer y clasificar el complejo comportamiento de respuesta SERS de las nanopartículas de oro tomadas en células vivas.
