Name: Rozpoznawanie wody, białek i lipidów z konfokalnych widm ramanowskich warstwy rogowej naskórka in vivo za pomocą podejścia chemometrycznego (Wideo) | JoVE Journal
Uploaded: 2019-09-26T15:00:00.000+00:00
Duration: 9 min 32 s
Description: Poznaj metodę spektroskopii Ramana z chemometrią do analizy wody, białek i lipidów w skórze człowieka. Protokół umożliwia pomiary in vivo z rozdzielczością głębokościową w badaniach klinicznych.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Autorzy bardzo dziękują za wsparcie finansowe ze strony działu analitycznego i higieny osobistej. Pragniemy wyrazić naszą wdzięczność zastępcom dyrektorów ds. analiz, pani Jasmine Wang i dr Robbowi Gardnerowi za ich wskazówki i wsparcie, a także pani Li Yang za pomoc w gromadzeniu danych.

To badanie zostało zatwierdzone przez instytucjonalną komisję rewizyjną Szpitala Dziecięcego w Pekinie, zgodnie z wytycznymi etycznymi Deklaracji Helsińskiej z 1975 roku. Zostało ono przeprowadzone zgodnie z wytycznymi ICH dotyczącymi Dobrej Praktyki Klinicznej. Badanie trwało od maja do lipca 2015 roku.
1. Zbieranie in vivo konfokalnych widm Ramana od ludzi z atopowym zapaleniem skóry
<ol>
	<li>Uwzględnij tematy zgodne z poniższymi kryteriami.
	<ol>
		<li>Uwzględnij osoby w wieku od 4 do 18 lat.</li>
		<li>Uwzględnij osoby z łagodnym lub umiarkowanym atopowym zapaleniem skóry (wynik 2 lub 3 zgodnie z ogólną oceną lekarza) z aktywnymi objawami choroby na 5%-30% powierzchni ciała, z co najmniej dwiema zmianami na ramionach.</li>
		<li>Uwzględnij osoby, które cieszą się dobrym zdrowiem, z wyłączeniem objawów bezpośrednio związanych z chorobą Alzheimera.</li>
		<li>Uwzględnij osoby, które wyraziły pisemną świadomą zgodę.</li>
		<li>Uwzględnij obiekty, których wartość indywidualnego kąta topologii (ITA) jest wyższa niż 40 w lokalizacji testowej.</li>
	</ol>
	</li>
	<li>Wyklucz tematy, które spełniają którekolwiek z poniższych kryteriów.
	<ol>
		<li>Wyklucz uczestników, którzy obecnie uczestniczą lub wcześniej uczestniczyli w badaniu klinicznym w dowolnej placówce przeprowadzającej testy w ciągu ostatnich 4 tygodni.</li>
		<li>Należy wykluczyć osoby z rakiem lub te, u których zdiagnozowano lub leczono raka w ciągu 5 lat przed badaniem.</li>
		<li>Wyklucz pacjentów z cukrzycą.</li>
		<li>Wyklucz osoby, które cierpią na chorobę immunologiczną lub zakaźną, która może narazić uczestnika na ryzyko lub zakłócić dokładność wyników badania (np. zapalenie wątroby, gruźlica, HIV, AIDS, toczeń lub reumatoidalne zapalenie stawów).</li>
		<li>Wyklucz osoby, które mają choroby skóry, które mogą zakłócać pomiary instrumentalne lub uniemożliwiają jasną ocenę skóry tylko do atopowego zapalenia skóry. Przykłady obejmują bardzo suchą skórę, uszkodzoną skórę, skaleczenia, zadrapania, oparzenia słoneczne, znamiona, tatuaże, rozległe blizny, wysypki, nadmierny wzrost włosów lub trądzik.</li>
		<li>Wyklucz osoby, które stosowały doustne leki immunosupresyjne, antybiotyki lub inne terapie ogólnoustrojowe w ciągu ostatniego miesiąca, z wyjątkiem drobnych środków uspokajających.</li>
		<li>Wykluczenie uczestników z innymi schorzeniami, które w opinii badacza wykluczają ich z udziału w badaniu.</li>
		<li>Wyklucz osoby z wyższą pigmentacją w obszarze testowym.</li>
	</ol>
	</li>
	<li>Oznacz obszar zmiany uczestnika badania atopowego zapalenia skóry i zaznacz go obszarem o wymiarach 3 cm x 4 cm w miejscu zmiany lub w jej pobliżu, jak pokazano na <silna klasa = "xfig">Rysunek 1A.</li>
	<li>Oznacz obszar niezmieniony tym samym markerem w miejscu ciała odpowiednika (np. lewe przedramię kontra prawe przedramię), jak pokazano w <silna klasa = "xfig" >Rysunek 1B.</li>
	<li>Umieść oznaczone miejsce ciała w bliskim konfokalnym instrumencie Ramana in vivo, jak pokazano na <silna klasa="xfig">Rysunek 2A i <silna klasa="xfig">Rysunek 2B. Zasłoń całe okno, aby uniknąć wpływu światła w pomieszczeniu na ciało.</li>
	<li>Wykonaj zbieranie danych Ramana. 
	UWAGA: Przyrząd posiada rozdzielczość spektralną 2 cm-1 i obiektyw mikroskopowy 50x (NA = 0,9 zanurzenie w olejku), wykorzystujący laser o długości fali 671 nm i mocy 17 mW. Długość fali jest kalibrowana za pomocą widma wbudowanej lampy neonowo-argonowej. Kalibracja intensywności odbywa się poprzez pomiar widma wzorca kalibracyjnego szkła NIST (National Institute of Standards).
	<ol>
		<li>Przesuwaj ostrość, aż zostanie zaobserwowane widmo pokazane na rysunku Rysunek 2C, a następnie odsuń ostrość od powierzchni skóry o 10 μm.</li>
		<li>Rozpocznij zbieranie danych dla 26 kroków z krokiem o rozmiarze 2 μm w zakresie częstotliwości 2,510 cm-1–4,000 cm-1. Użyj czasu naświetlania wynoszącego 1 s i zmierz osiem powtórzeń dla każdego obszaru, trwających łącznie ~10–15 minut.</li>
	</ol>
	</li>
</ol>
2. Zbieranie konfokalnych widm Ramana z materiałów referencyjnych
<ol>
	<li>Umieść materiały odniesienia, główne składniki warstwy rogówki ludzkiej skóry19, w oknie konfokalnego instrumentu Ramana (patrz Tabela materiałów: albumina surowicy bydlęcej (BSA), woda dejonizowana (woda DI), ceramidy, cholesterol, wolne kwasy tłuszczowe i skwalen).</li>
	<li>Zbierz widma Ramana materiałów odniesienia kolejno od zewnątrz materiału do środka materiału, używając tych samych parametrów zbierania, jak opisano powyżej.</li>
	<li>Zintegruj obszar pod każdym widmem Ramana w zakresie od 2 510 do 4 000 cm-1 i zidentyfikuj trzy najwyższe punkty wartości maksymalnych w tych 26 pomiarach. Uśrednij widma Ramana z tych trzech punktów, aby uzyskać końcowe widma materiału odniesienia.</li>
</ol>
3. Usuwanie widm wartości odstających za pomocą analizy chemometrycznej
<ol>
	<li>Określ powierzchnię skóry i usuń widma poza skórą.
	<ol>
		<li>Zmień rozszerzenie pliku z ".ric" na ".mat" i załaduj plik .mat na platformę oprogramowania MATLAB.</li>
		<li>Skoryguj linię bazową za pomocą opcji Linia bazowa (automatyczna metoda najmniejszych kwadratów), klikając prawym przyciskiem myszy zaimportowany zestaw danych w obszarze Analizuj | Inne narzędzia | Wstępne przetwarzanie w oprogramowaniu PLS_Toolbox z ustawieniami domyślnymi.</li>
		<li>Zsumuj wartości z zakresu 2,910–2,965 cm-1, aby uzyskać wartości intensywności dla każdego widma Ramana z 26 kolejnych kroków pomiaru, jak pokazano w <silna klasa="xfig">Rysunek 3A za pomocą funkcji sumy w MATLAB.</li>
		<li>Interpoluj wartość przesunięcia instrumentu (wartość na osi X w Rysunek 3B) od 26 do 260 za pomocą funkcji linspace w MATLAB.</li>
		<li>Interpoluj wartość intensywności od 26 do 260 za pomocą metody splajnu w programie MATLAB, wykorzystując nowo wygenerowane wartości pozycji 260.</li>
		<li>Użyj funkcji polyfit i polyval programu MATLAB, aby uzyskać nowy zestaw wartości intensywności z 260 punktami. Najpierw użyj wartości pozycji i intensywności 260 jako danych wejściowych X i Y odpowiednio dla funkcji polyfit. Ustaw wartość stopnia na 20. Następnie użyj współczynników wyjściowych i 260 rozszerzonych wartości pozycji jako danych wejściowych dla polyval, aby uzyskać końcowe wartości intensywności 260.</li>
		<li>Użyj funkcji max i min programu MATLAB, aby zidentyfikować maksymalne i minimalne punkty na podstawie nowo interpolowanych wartości intensywności 260.</li>
		<li>Obliczyć średnią wartość intensywności, dzieląc sumę maksymalnej i minimalnej wartości intensywności przez dwa.</li>
		<li>Zidentyfikuj wartość intensywności spośród 260 wartości intensywności (obliczonych na podstawie kroku 3.1.6), która jest najbliższa średniej wartości intensywności i ustaw odpowiadającą jej wartość położenia jako powierzchnię skóry. Ustaw tę wartość pozycji jako punkt zerowy na osi X, jak pokazano na rysunku Rysunek 3B.</li>
		<li>Zmień wszystkie inne wartości pozycji zgodnie z punktem zerowym i znanym rozmiarem kroku 2 μm.</li>
		<li>Usuń wszystkie widma zebrane nad powierzchnią skóry zgodnie z ich wartością położenia.</li>
		<li>Zaimportuj pozostałe dane do PLS_Toolbox, aby utworzyć zestaw danych i zmienić jego nazwę na "RamanData.mat".</li>
	</ol>
	</li>
	<li>Usuń widma odstające za pomocą efektu światła w pomieszczeniu.
	<ol>
		<li>Załaduj zestaw danych widm Ramana (RamanData.mat) po usunięciu widm poza skórą i zaimplementuj analizę PCA.</li>
		<li>Załaduj zestaw danych do oprogramowania PLS_Toolbox na platformie MATLAB i kliknij prawym przyciskiem myszy zestaw danych, aby wybrać polecenie Analizuj | PCA.</li>
		<li>Wybierz pozycję Normalizuj jako podejście do przetwarzania wstępnego i wybierz pozycję Brak dla krzyżowej walidacji.</li>
		<li>Użyj trzech składników do analizy rozkładu PCA, jak pokazano na rysunku uzupełniającym 2.</li>
		<li>Zdejmij pokrywę z okienka zbierania danych instrumentu Ramana in vivo i zbierz widma światła w pomieszczeniu w zakresie wysokich częstotliwości, używając tych samych parametrów, które są używane do zbierania danych dotyczących materiałów referencyjnych.</li>
		<li>Zidentyfikuj współczynnik efektu świetlnego w pomieszczeniu poprzez porównanie z widmami tła światła w pomieszczeniu, jak pokazano na rysunku uzupełniającym 3.</li>
		<li>Usuń widma o znacznie wyższej odpowiadającej im wartości wyniku niż normalnie (ponad 99,8% wartości wyniku całego zestawu danych, co w tym badaniu wynosi 0,16).</li>
	</ol>
	</li>
</ol>
4. Wybór liczby składników w analizie dekompozycji MCR
<ol>
	<li>Skorygować linię bazową widm Ramana, stosując to samo podejście opisane powyżej (sekcja 3.1.2).</li>
	<li>Wykonaj analizę PCA na wstępnie przetworzonym zbiorze danych, jak opisano powyżej (sekcja 3.2), z wyjątkiem wyboru "PQN" – "Średni środek" zamiast "Normalizuj", a następnie wykreśl wartości własne w skali logarytmicznej wraz z liczbą składników (20) jako liczbą domyślną w analizie dekompozycji, klikając przycisk Wybierz składniki i wybierz log(wartości własne) jako wartość Y. Wybierz od trzech do ośmiu jako liczbę komponentów używanych do analizy MCR.</li>
	<li>Wykonaj analizę MCR.
	<ol>
		<li>Załaduj zestaw danych do MCR_main software20 za pomocą przycisku Wybór danych.</li>
		<li>Wybierz liczbę komponentów (od trzech do ośmiu), klikając przycisk Określenie liczby komponentów.</li>
		<li>Kliknij przycisk Pure na karcie Initial Estimation (Oszacowanie początkowe), wybierz opcję Concentration (Stężenie) na karcie Direction of the variable selection (Kierunek wyboru zmiennej), a następnie kliknij przycisk Do (Do).</li>
		<li>Kliknij przycisk OK, a następnie przycisk Kontynuuj, aby przejść do następnej strony.</li>
		<li>Kliknij przycisk Kontynuuj na następnej stronie, a następnie wybierz fnnls i 6 odpowiednio na kartach Implementacja i Liczba gatunków o profilach nienegatywnych. Kliknij przycisk Kontynuuj.</li>
		<li>Wybierz te same parametry, co w sekcji 4.3.5 dla tej strony i kliknij przycisk Kontynuuj.</li>
	</ol>
	</li>
</ol>

<ol><li>Caspers, P., Lucassen, G., Bruining, H., Puppels, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+depth+-+scanning+confocal+Raman+microspectrometer+for+rapid+in+vivo+determination+of+water+concentration+profiles+in+human+skin%5BTitle%5D)+AND+%22Journal+of+Raman+Spectroscopy%22%5BJournal%5D)">Automated depth - scanning confocal Raman microspectrometer for rapid in vivo determination of water concentration profiles in human skin.</a> Journal of Raman Spectroscopy. 31 (8-9), 813-818 (2000).</li>
<li>Crowther, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Measuring+the+effects+of+topical+moisturizers+on+changes+in+stratum+corneum+thickness%2C+water+gradients+and+hydration+in+vivo%5BTitle%5D)+AND+%22British+Journal+of+Dermatology%22%5BJournal%5D)">Measuring the effects of topical moisturizers on changes in stratum corneum thickness, water gradients and hydration in vivo.</a> British Journal of Dermatology. 159 (3), 567-577 (2008).</li>
<li>Egawa, M., Tagami, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparison+of+the+depth+profiles+of+water+and+water-binding+substances+in+the+stratum+corneum+determined+in+vivo+by+Raman+spectroscopy+between+the+cheek+and+volar+forearm+skin%3A+effects+of+age%2C+seasonal+changes+and+artificial+forced+hydration%5BTitle%5D)+AND+%22British+Journal+of+Dermatology%22%5BJournal%5D)">Comparison of the depth profiles of water and water-binding substances in the stratum corneum determined in vivo by Raman spectroscopy between the cheek and volar forearm skin: effects of age, seasonal changes and artificial forced hydration.</a> British Journal of Dermatology. 158 (2), 251-260 (2008).</li>
<li>Crowther, J. M., Matts, P. J., Kaczvinsky, J. R. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aCrowther%2C+JM+%22Changes+in+Stratum+Corneum+Thickness%2C+Water+Gradients+and+Hydration+by+Moisturizers%22">Changes in Stratum Corneum Thickness, Water Gradients and Hydration by Moisturizers</a>. , Springer. Berlin Heidelberg. (2012).</li>
<li>Pudney, P. D., Mélot, M., Caspers, P. J., Van, D. P. A., Puppels, G. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+in+vivo+confocal+Raman+study+of+the+delivery+of+trans+retinol+to+the+skin%5BTitle%5D)+AND+%22Applied+Spectroscopy%22%5BJournal%5D)">An in vivo confocal Raman study of the delivery of trans retinol to the skin.</a> Applied Spectroscopy. 61 (8), 804(2007).</li>
<li>Mohammed, D., Matts, P., Hadgraft, J., Lane, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((In+vitro-in+vivo+correlation+in+skin+permeation%5BTitle%5D)+AND+%22Pharmaceutical+Research%22%5BJournal%5D)">In vitro-in vivo correlation in skin permeation.</a> Pharmaceutical Research. 31 (2), 394-400 (2014).</li>
<li>Hanlon, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prospects+for+in+vivo+Raman+spectroscopy%5BTitle%5D)+AND+%22Physics+in+Medicine+and+Biology%22%5BJournal%5D)">Prospects for in vivo Raman spectroscopy.</a> Physics in Medicine and Biology. 45 (2), 1(2000).</li>
<li>Mohammed, D., Crowther, J. M., Matts, P. J., Hadgraft, J., Lane, M. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Influence+of+niacinamide+containing+formulations+on+the+molecular+and+biophysical+properties+of+the+stratum+corneum%5BTitle%5D)+AND+%22International+Journal+of+Pharmaceutics%22%5BJournal%5D)">Influence of niacinamide containing formulations on the molecular and biophysical properties of the stratum corneum.</a> International Journal of Pharmaceutics. 441 (1-2), 192-201 (2013).</li>
<li>Boireau-Adamezyk, E., Baillet-Guffroy, A., Stamatas, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Age-dependent+changes+in+stratum+corneum+barrier+function%5BTitle%5D)+AND+%22Skin+Research+and+Technology%22%5BJournal%5D)">Age-dependent changes in stratum corneum barrier function.</a> Skin Research and Technology. 20 (4), 409-415 (2014).</li>
<li>Pezzotti, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Raman+spectroscopy+of+human+skin%3A+looking+for+a+quantitative+algorithm+to+reliably+estimate+human+age%5BTitle%5D)+AND+%22Journal+of+Biomedical+Optics%22%5BJournal%5D)">Raman spectroscopy of human skin: looking for a quantitative algorithm to reliably estimate human age.</a> Journal of Biomedical Optics. 20 (6), 065008(2015).</li>
<li>Mlitz, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impact+of+filaggrin+mutations+on+Raman+spectra+and+biophysical+properties+of+the+stratum+corneum+in+mild+to+moderate+atopic+dermatitis%5BTitle%5D)+AND+%22Journal+of+the+European+Academy+of+Dermatology+and+Venereology%22%5BJournal%5D)">Impact of filaggrin mutations on Raman spectra and biophysical properties of the stratum corneum in mild to moderate atopic dermatitis.</a> Journal of the European Academy of Dermatology and Venereology. 26 (8), 983-990 (2012).</li>
<li>Janssens, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Lipid+to+protein+ratio+plays+an+important+role+in+the+skin+barrier+function+in+patients+with+atopic+eczema%5BTitle%5D)+AND+%22British+Journal+of+Dermatology%22%5BJournal%5D)">Lipid to protein ratio plays an important role in the skin barrier function in patients with atopic eczema.</a> British Journal of Dermatology. 170 (6), 1248-1255 (2014).</li>
<li>Faiman, R., Larsson, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Assignment+of+the+C+H+stretching+vibrational+frequencies+in+the+Raman+spectra+of+lipids%5BTitle%5D)+AND+%22Journal+of+Raman+Spectroscopy%22%5BJournal%5D)">Assignment of the C H stretching vibrational frequencies in the Raman spectra of lipids.</a> Journal of Raman Spectroscopy. 4 (4), 387-394 (1976).</li>
<li>Edwards, H. G., Farwell, D. W., Williams, A. C., Barry, B. W., Rull, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Novel+spectroscopic+deconvolution+procedure+for+complex+biological+systems%3A+vibrational+components+in+the+FT-Raman+spectra+of+ice-man+and+contemporary+skin%5BTitle%5D)+AND+%22Journal+of+the+Chemical+Society%2C+Faraday+Transactions%22%5BJournal%5D)">Novel spectroscopic deconvolution procedure for complex biological systems: vibrational components in the FT-Raman spectra of ice-man and contemporary skin.</a> Journal of the Chemical Society, Faraday Transactions. 91 (21), 3883-3887 (1995).</li>
<li>Choe, C., Lademann, J., Darvin, M. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Lipid+organization+and+stratum+corneum+thickness+determined+in+vivo+in+human+skin+analyzing+lipid-keratin+peak+%282820-3030+cm-+1%29+using+confocal+Raman+microscopy%5BTitle%5D)+AND+%22Journal+of+Raman+Spectroscopy%22%5BJournal%5D)">Lipid organization and stratum corneum thickness determined in vivo in human skin analyzing lipid-keratin peak (2820-3030 cm- 1) using confocal Raman microscopy.</a> Journal of Raman Spectroscopy. 47 (11), 1327-1331 (2016).</li>
<li>Stamatas, G. N., de Sterke, J., Hauser, M., von Stetten, O., van der Pol, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Lipid+uptake+and+skin+occlusion+following+topical+application+of+oils+on+adult+and+infant+skin%5BTitle%5D)+AND+%22Journal+of+Dermatological+Science%22%5BJournal%5D)">Lipid uptake and skin occlusion following topical application of oils on adult and infant skin.</a> Journal of Dermatological Science. 50 (2), 135-142 (2008).</li>
<li>Choe, C., Lademann, J., Darvin, M. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Confocal+Raman+microscopy+for+investigating+the+penetration+of+various+oils+into+the+human+skin+in+vivo%5BTitle%5D)+AND+%22Journal+of+Dermatological+Science%22%5BJournal%5D)">Confocal Raman microscopy for investigating the penetration of various oils into the human skin in vivo.</a> Journal of Dermatological Science. , (2015).</li>
<li>Zhang, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+MCR+approach+revealing+protein%2C+water+and+lipid+depth+profile+in+atopic+dermatitis+patients%27+stratum+corneum+via+in+vivo+confocal+Raman+spectroscopy%5BTitle%5D)+AND+%22Analytical+Chemistry%22%5BJournal%5D)">A MCR approach revealing protein, water and lipid depth profile in atopic dermatitis patients' stratum corneum via in vivo confocal Raman spectroscopy.</a> Analytical Chemistry. , (2019).</li>
<li>Caspers, P. J. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aCaspers%2C+PJ+%22In+vivo+Skin+Characterization+by+Confocal+Raman+Microspectroscopy%22">In vivo Skin Characterization by Confocal Raman Microspectroscopy</a>. , Erasmus MC: University Medical Center. Rotterdam. (2003).</li>
<li>Jaumot, J., de Juan, A., Tauler, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MCR-ALS+GUI+2.0%3A+New+features+and+applications%5BTitle%5D)+AND+%22Chemometrics+and+Intelligent+Laboratory+Systems%22%5BJournal%5D)">MCR-ALS GUI 2.0: New features and applications.</a> Chemometrics and Intelligent Laboratory Systems. 140, 1-12 (2015).</li>
<li>Choe, C., Choe, S., Schleusener, J., Lademann, J., Darvin, M. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modified+normalization+method+in+in+vivo+stratum+corneum+analysis+using+confocal+Raman+microscopy+to+compensate+nonhomogeneous+distribution+of+keratin%5BTitle%5D)+AND+%22Journal+of+Raman+Spectroscopy%22%5BJournal%5D)">Modified normalization method in in vivo stratum corneum analysis using confocal Raman microscopy to compensate nonhomogeneous distribution of keratin.</a> Journal of Raman Spectroscopy. , (2019).</li>
<li>Wise, B. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Chemometrics+tutorial+for+PLS_Toolbox+and+Solo%5BTitle%5D)+AND+%22Eigenvector+Research%2C+Inc%22%5BJournal%5D)">Chemometrics tutorial for PLS_Toolbox and Solo.</a> Eigenvector Research, Inc. 3905, 102-159 (2006).</li>
</ol>

Autorzy nie mają nic do ujawnienia.

Podczas zbierania danych, jak opisano w sekcjach 2 i 3 protokołu, każdy profil głębokości został pobrany w obszarze, w którym stykało się okienko instrumentu ze skórą, znajdując ciemniejsze obszary na obrazach mikroskopowych zaznaczonych w czerwonych okręgach na rysunku 2C. Po zlokalizowaniu tych obszarów kluczowe znaczenie miało rozpoczęcie profilu głębokości nad powierzchnią skóry, aby dokładnie określić położenie powierzchni skóry na potrzeby procedury analizy danych. Lok...

W badaniach klinicznych, konfokalna spektroskopia Ramana in vivo wykazała swoją unikalną zdolność do określania grubości warstwy rogowej naskórka i zawartości wody1,2,3,4, oraz śledzenie penetracji substancji aktywnych miejscowo stosowanych na skórze5,6. Jako podejście nieinwazyjne, konfokalna spektroskopia Ramana wykrywa sygnały molekularne w oparciu o tryby wibracyjne. W związku z tym etykietowanie nie jest potrzebne7. Konfokalna spektroskopia Ramana in vivo dostarcza informacji chemicznych z rozdzielczością głębi w oparciu o konfokalny charakter techniki. Te informacje zależne od głębokości są bardzo przydatne w badaniu wpływu produktów do pielęgnacji skóry4,8, aging9,10, zmiany sezonowe3, a także choroby funkcji bariery skórnej, takie jak atopowe zapalenie skóry11,12. Istnieje wiele informacji w obszarze wysokiej częstotliwości konfokalnej spektroskopii Ramana (2500–4000 cm-1), gdzie woda wytwarza wyraźne piki w zakresie od 3250 do 3550 cm-1. Jednak piki Ramana białek i lipidów, które są skoncentrowane między około 2,800-3,000 cm-1, nakładają się na siebie, ponieważ sygnały są wytwarzane głównie z grup metylenowych (-CH2-) i metylowych (-CH3)13. Te nakładające się na siebie informacje stanowią wyzwanie techniczne przy uzyskiwaniu względnych ilości poszczególnych gatunków molekularnych. Peak fitting14,15 i selektywna pozycja szczytowa12,16 metod zostało wykorzystanych do rozwiązania tego problemu. Jednak w przypadku tych metod opartych na pojedynczych pikach trudno jest wyodrębnić czystą informację o składniku, ponieważ wiele pików Ramana z tego samego składnika zmienia się jednocześnie17. W naszej ostatniej publikacji18 zaproponowano podejście MCR w celu wyjaśnienia czystych informacji o komponentach. Korzystając z tego podejścia, wyekstrahowano trzy składniki (wodę, białka i lipidy) z dużego zestawu danych spektroskopowych konfokalnych Ramana in vivo.
Przeprowadzanie dużych badań klinicznych może być wymagające dla osób zbierających dane spektroskopowe in vivo. W niektórych przypadkach akwizycja spektralna może wymagać obsługi sprzętu przez wiele godzin w ciągu dnia, a badanie może trwać nawet tygodnie lub miesiące. W tych warunkach dane spektroskopowe mogą być generowane przez operatorów sprzętu, którzy nie mają wiedzy technicznej w zakresie identyfikacji, wykluczenia i skorygowania wszystkich źródeł artefaktów spektroskopowych. Wynikowy zestaw danych może zawierać niewielki odsetek spektroskopowych wartości odstających, które należy zidentyfikować i wykluczyć z danych przed analizą. Niniejszy artykuł szczegółowo ilustruje proces analizy chemometrycznej w celu "oczyszczenia" klinicznego zestawu danych Ramana przed analizą danych za pomocą MCR. Aby skutecznie usunąć wartości odstające, należy zidentyfikować ich rodzaje oraz potencjalną przyczynę generowania widm wartości odstających. Następnie można opracować konkretne podejście w celu usunięcia docelowych wartości odstających. Wymaga to wcześniejszej wiedzy na temat zbioru danych, w tym szczegółowego zrozumienia procesu generowania danych i projektu badania. W tym zestawie danych większość wartości odstających to widma o niskim stosunku sygnału do szumu i pochodzą głównie z 1) widm zebranych nad powierzchnią skóry (6 208 z 30 862) oraz 2) silnego udziału w widmie światła fluorescencyjnego w pomieszczeniu (67 z 30 862). Widma zebrane nad powierzchnią skóry wywołują słabą odpowiedź Ramana, ponieważ ognisko lasera zbliża się do powierzchni skóry i znajduje się głównie w oknie instrumentu pod skórą. Widma o silnym udziale światła fluorescencyjnego w pomieszczeniu są generowane z powodu błędu operatora instrumentu lub ruchu obiektu, co powoduje stan, w którym konfokalne okno zbierania danych Ramana nie jest w pełni pokryte przez obszar ciała obiektu. Chociaż tego typu artefakty spektralne mogły być identyfikowane i korygowane podczas akwizycji spektralnej przez eksperta spektroskopowego w momencie pozyskiwania danych, przeszkoleni operatorzy instrumentów użyci w tym badaniu zostali poinstruowani, aby zebrać wszystkie dane, chyba że zaobserwowano katastrofalną awarię. Zadanie identyfikowania i wykluczania wartości odstających jest włączone do protokołu analizy danych. Przedstawiony protokół został opracowany w celu rozwiązania tego problemu. Aby rozwiązać problem niskich widm sygnału do szumu nad powierzchnią skóry, należy najpierw określić położenie powierzchni skóry, aby umożliwić usunięcie widm zebranych nad powierzchnią skóry. Położenie powierzchni skóry definiuje się jako głębokość, na której ognisko lasera Ramanowskiego znajduje się w połowie w skórze, a w połowie poza skórą, jak pokazano na rysunku uzupełniającym 1. Po usunięciu niskich widm sygnału do szumu wdrażana jest analiza głównych składowych (PCA) w celu wyodrębnienia czynnika zdominowanego przez piki światła w pomieszczeniu fluorescencyjnym. Te wartości odstające są usuwane na podstawie wartości punktowej odpowiedniego współczynnika.
Ten protokół dostarcza szczegółowych informacji na temat tego, jak sześć głównych składników jest określanych w procesie MCR. Odbywa się to poprzez analizę PCA, a następnie porównanie kształtu spektralnego między obciążeniami dla modeli wygenerowanych z różną liczbą głównych składników. Szczegółowo wyjaśniono również eksperymentalny proces zbierania danych z materiałów referencyjnych, jak również z udziałem ludzi.

<table><tbody><tr><td>Surowica bydlęca Albumina</td><td>Sigma-Aldrich Cholesterol Sigma-Aldrich</td><td></td><td></td></tr><tr><td></td><td></td><td></td><td></td></tr><tr><td>Cholesterol 3-siarczan sodu</td><td>Sigma-Aldrich</td><td></td><td></td></tr><tr><td>D-Erythro-Dihydrosphingozyna</td><td>Sigma-Aldrich</td><td></td><td></td></tr><tr><td>DI woda</td><td></td><td></td><td>oczyszczona Milipore (18,2M&Omega;)</td></tr><tr><td>Analizator skóry Gen2-SCA</td><td>River Diagnostics, Rotterdam, Holandia</td><td>Gen2</td><td></td></tr><tr><td>Matlab 2018b</td><td>Mathwork</td><td>2018b</td><td></td></tr><tr><td>N-behenoyl-D-erythro-sfingozyna</td><td>Avanti Polar Lipids, Inc.</td><td></td><td></td></tr><tr><td>N-lignoceroilo-D-erytro-sfinganina (ceramid)</td> <td>Avanti Polar Lipids, Inc.</td><td></td><td></td></tr><tr><td>Kwas oleinowy</td><td>Sigma-Aldrich</td><td></td><td></td></tr><tr><td>Kwas palmitynowy</td><td>Sigma-Aldrich</td><td></td><td></td></tr><tr><td>Kwas palmitynowy</td><td>Sigma-Aldrich</td><td></td><td></td></tr><tr><td>PLS_Toolbox wersja 8.2</td><td>Eigenvector Research Inc.</td><td>8.2</td><td></td></tr><tr><td>RiverICon</td><td>River Diagnostics, Rotterdam, Holandia</td><td>wersja 3.2</td><td></td></tr><tr><td>Skwalen</td><td>Sigma-Aldrich</td><td></td><td></td></tr><tr><td>Kwas stearynowy</td><td>Sigma-Aldrich</td><td></td><td></td></tr></tbody></table>

rozpoznawanie wody, białek i lipidów z konfokalnych widm ramanowskich warstwy rogowej naskórka in vivo za pomocą podejścia chemometrycznego

Resolving Water, Proteins, and Lipids from In Vivo Confocal Raman Spectra of Stratum Corneum through a Chemometric Approach

Rozwój tej metody konfokalnej spektroskopii Ramana in vivo umożliwia bezpośredni pomiar wody, białek i lipidów z rozdzielczością głębokości u ludzi. Informacje te są bardzo ważne w przypadku chorób związanych ze skórą i charakteryzowania działania produktów do pielęgnacji skóry. Protokół ten ilustruje metodę konfokalnego zbierania widm Ramana i późniejszej analizy zestawu danych spektralnych z wykorzystaniem chemometrii. Celem tej metody jest ustanowienie standardowego protokołu gromadzenia danych i dostarczenie ogólnych wskazówek dotyczących analizy danych. Wstępne przetwarzanie (np. usuwanie widm wartości odstających) jest krytycznym krokiem podczas przetwarzania dużych zbiorów danych z badań klinicznych. Na przykład udostępniamy wskazówki oparte na wcześniejszej wiedzy na temat zestawu danych, aby zidentyfikować typy wartości odstających i opracować konkretne strategie ich usuwania. Przeprowadzana jest analiza składowych głównych, a widma obciążenia są porównywane z widmami materiałów referencyjnych w celu wybrania liczby składników użytych w końcowej analizie rozdzielczości krzywej wielowymiarowej (MCR). Takie podejście jest skuteczne w przypadku wyodrębniania istotnych informacji z dużego zestawu danych spektralnych.

W niniejszym badaniu klinicznym zebrano widma konfokalnej spektroskopii Raman in vivo od 28 ochotników w wieku od 4 do 18 lat. Zgodnie z opisanym powyżej protokołem pozyskano łącznie 30 862 widm Raman. Ten obszerny zestaw danych spektralnych zawiera 20% wartości odstających, co przedstawiono na Rysunku 4A. Widma odstające o niskim stosunku sygnału do szumu usunięto po wyznaczeniu powierzchni skóry, a następnie zastosowano analizę PCA w celu zidentyfikowania widm z cechami światła pokojow...

Tutaj prezentujemy protokół zbierania konfokalnych widm Ramana od ludzi w badaniach klinicznych w połączeniu z metodami chemometrycznymi do usuwania widmowych wartości odstających i późniejszej ekstrakcji kluczowych cech.

Rozpoznawanie wody, białek i lipidów z konfokalnych widm ramanowskich warstwy rogowej naskórka in vivo za pomocą podejścia chemometrycznego

Development of this in vivo confocal Raman spectroscopic method enables the direct measurement of water, proteins, and lipids with depth resolution in ...

Bezpośredni pomiar wody, białek i lipidów z rozdzielczością głębokości u ludzi jest bardzo ważny w przypadku chorób związanych ze skórą, dla scharakteryzowania działania produktów do pielęgnacji skóry. Ta metoda, wraz z późniejszą analizą, wykorzystuje chemometrię do ekstrakcji informacji chemicznych. Główną zaletą tej techniki jest to, że pozwala ona na gromadzenie klinicznych danych ramanowskich przez przeszkolonych operatorów instrumentów, którzy nie mają wiedzy technicznej w zakresie identyfikacji, wykluczenia i usunięcia wszystkich źródeł artefaktów spektroskopowych.Wynikowy zestaw danych można następnie przetworzyć w celu zidentyfikowania wartości odstających, które należy wykluczyć z daty poprzedzającej analizę. Podczas analizy danych kluczowym wyzwaniem jest usunięcie wartości odstających i identyfikacja liczby kluczowych komponentów w zbiorze danych. Podejście pokazane w tym filmie wykorzystuje wcześniejszą wiedzę na temat zestawu danych klinicznych i podejścia chemometrycznego, aby skutecznie wyekstrahować wodę, białko i lipidy z rozdzielczością głębokości.Procedurę zademonstruje Li Yang, technik z naszego laboratorium C&T. Na początek poproś badanego, aby umieścił zaznaczone miejsce zmiany chorobowej lub miejsce kontrolne w bliskim kontakcie z oknem obrazowania konfokalnego instrumentu Ramana in vivo. Upewnij się, że zakrywają całe okno, aby uniknąć wpływu światła w pomieszczeniu na obrazowanie.Następnie otwórz oprogramowanie i przesuwaj ostrość, aż pojawi się widmo podobne do pokazanego tutaj. Następnie odsuń ognisko o 10 mikronów od powierzchni skóry. Zbierz dane dla 26 kroków z krokiem o wielkości dwóch mikronów w pokazanym tutaj obszarze częstotliwości, używając czasu ekspozycji wynoszącego jedną sekundę.Zmierz osiem powtórzeń dla każdego obszaru, trwających łącznie do 15 minut. Najpierw użyj okna poleceń i MATLAB, aby zmienić rozszerzenie pliku zebranych danych z ric na mat. Następnie załaduj plik mat na platformę oprogramowania MATLAB, jak pokazano tutaj.Popraw linię bazową zestawu danych przy użyciu automatycznej metody najmniejszych kwadratów ważonych, przechodząc do okna PLS_Workspace i klikając prawym przyciskiem myszy zaimportowany zestaw danych, przewijając do pozycji Analizuj, wybierając pozycję Inne narzędzia i klikając pozycję Przetwarzanie wstępne. W oknie, które się pojawi, kliknij Pokaż. Następnie przewiń w dół pasek narzędzi Dostępne metody do sekcji Automatyczne filtrowanie linii bazowej ważonych dzierżawionych kwadratów i wybierz pozycję Dodaj.Następnie kliknij OK, aby ustawić opcje i zastosować wstępne przetwarzanie danych. Zapisz to jako Spectra_baseline. Następnie wróć do okna polecenia i zastąp dane przy użyciu skorygowanego wyniku linii bazowej.Teraz przejdź do edytora tekstu i uruchom program, jak pokazano tutaj. Spowoduje to zsumowanie wartości z zakresu od 2910 do 2965 centymetrów odwrotnych, aby uzyskać wartości intensywności w każdym widmie Ramana z 26 kolejnych kroków pomiaru i zapisać je w pliku Excel. W programie MATLAB przejdź do obszaru roboczego i ustaw ścieżkę do danych w Depth_save, jak pokazano.Następnie użyj opisanego tutaj procesu, aby interpolować wartość przesunięcia instrumentu z 26 do 260 za pomocą funkcji linspace w programie MATLAB. Ten proces spowoduje interpolację wartości intensywności od 26 do 260 przy użyciu metody splajnu, wykorzystując nowo wygenerowane wartości pozycji 260. Dodatkowo użyje wartości pozycji i intensywności 260 jako danych wejściowych x i y odpowiednio dla funkcji polyfit, ustawiając wartość stopnia na 20.Następnie użyje współczynników wyjściowych i 260 rozszerzonych wartości pozycji jako danych wejściowych dla polyval, aby uzyskać końcowe wartości intensywności 260. Następnie obliczy średnią intensywność i znajdzie punkt na krzywej, który jest najbliższy średniej intensywności. Zmieni również wartość głębokości w zależności od powierzchni skóry, w znanym rozmiarze kroku dwóch mikronów.Teraz uruchom program. Załaduj zestaw danych widm Ramana po usunięciu widm zewnętrznej powłoki do oprogramowania PLS_Toolbox, na platformie MATLAB i kliknij prawym przyciskiem myszy zestaw danych, aby wybrać Analizuj, a następnie wybierz PCA. Następnie kliknij Wybierz przetwarzanie wstępne.Wybierz pozycję Normalizuj jako podejście do przetwarzania wstępnego. Następnie wybierz opcję brak dla krzyżowego sprawdzania poprawności. Następnie zbuduj model przy użyciu trzech składników do analizy dekompozycji PCA.Teraz zdejmij pokrywę z okienka do zbierania danych in vivo Ramen i zbierz widma światła w pomieszczeniu w zakresie wysokich częstotliwości, używając tych samych parametrów, które są używane do zbierania danych z materiału referencyjnego. Zidentyfikuj współczynnik efektu świetlnego w pomieszczeniu poprzez porównanie z tłem światła w pomieszczeniu. Teraz przejrzyj wyniki i usuń widma ze znacznie wyższą odpowiadającą im wartością wyniku niż normalnie.Oznacza to usunięcie wartości wyników wynoszących ponad 99,8% całego zestawu danych, co w tym badaniu wynosi 0,16. Zapisz wynikowe dane kalibracji X-block. Na koniec przejdź do przeglądarki PLS_Workspace i edytuj nowy plik.Wybierz etykiety wierszy i przejdź do opcji Trwałe usuwanie wykluczone, aby trwale usunąć wykluczone dane przed ponownym zapisaniem pliku. Zacznij od skorygowania linii bazowej widm Ramana za pomocą tego samego, co właśnie pokazano. Następnie przeprowadź analizę PCA na wstępnie przetworzonym zestawie danych.Wykreśl wartości własne w skali logarytmicznej wraz z liczbą składników, klikając przycisk Wybierz komponent i wybierz log(wartości własne) jako wartość y. Aby przeprowadzić analizę rozdzielczości krzywej wielowymiarowej, najpierw użyj przycisku wyboru danych, aby załadować zestaw danych do oprogramowania MCR_main. Ręcznie wybierz liczbę komponentów i ustaw numer komponentu z zakresu od trzech do ośmiu.Następnie, w zakładce Wstępna estymacja, kliknij przycisk Pure. Następnie wybierz Koncentracja i kliknij przycisk Wykonaj. Po odświeżeniu ekranu kliknij przycisk OK, a następnie Kontynuuj, aby przejść do następnej strony.Teraz kliknij przycisk Kontynuuj, a następnie w obszarze Implementacja zastosuj fnnls. Następnie wybierz sześć z menu rozwijanego, aby określić liczbę gatunków o profilach nienegatywnych, i kliknij przycisk Kontynuuj. Na następnej stronie wybierz te same parametry i kliknij przycisk Kontynuuj.Aby określić lokalizację na powierzchni skóry, zintegrowano obszar pod pikiem ramanowskim białka, aby uzyskać profil głębokości sygnału białkowego. Powierzchnię skóry zdefiniowano jako miejsce, w którym wartość intensywności z interpolowanego profilu głębokości była najbliższa średniej intensywności. Dokładna lokalizacja powierzchni skóry nie musi pokrywać się z punktem danych doświadczalnych.Łącznie zebrano 30 862 widm Ramana za pomocą protokołu zbierania danych opisanego w tym filmie. Ten duży zestaw danych spektralnych zawiera 20% wartości odstających od spektrału. Właściwa identyfikacja i usunięcie widm odstających jest ważne dla uzyskania właściwego zestawu danych.Tutaj można zobaczyć wkład świateł pokojowych, nałożonych na referencyjne widma światła pokojowego. Analizę składowych głównych przeprowadzono na wstępnie przetworzonym konfokalnym zbiorze danych Ramana, a wartość własna wraz z liczbą użytych czynników została tutaj wykreślona. Istotny spadek wartości własnej zaobserwowano dla czynnika dziewiątego.Obserwacja ta sugeruje zbadanie modeli, w których liczba głównych składowych waha się od trzech do ośmiu czynników do uwzględnienia w modelu rozdzielczości krzywej wielowymiarowej. Podczas próby wykonania tej procedury bardzo ważne jest, aby rozpocząć profil głębokości nad powierzchnią skóry, aby dokładnie określić położenie powierzchni skóry. Metodologia ta umożliwia badanie wpływu produktów do pielęgnacji skóry na kluczowe składniki skóry, w tym wodę, białka i lipidy.

resolving-water-proteins-lipids-from-vivo-confocal-raman-spectra

Research

JoVE Journal

Chemistry

Chemia

Omówiono konstrukcję i działanie złożonego nieliniowego układu optycznego, który wykorzystuje ultraszybkie przełączanie całkowicie optyczne do izolacji sygnałów Ramanowskich od sygnałów fluorescencyjnych. Dzięki zastosowaniu tego układu możliwe jest skuteczne rozdzielenie sygnałów Ramanowskich i fluorescencyjnych przy użyciu energii impulsów oraz mocy średniej, które pozostają bezpieczne biologicznie.

Eliminacja tła fluorescencyjnego w rezonansowej i spontanicznej mikrospektroskopii Ramana

Spektroskopia Ramana jest odpowiednią techniką do bezkontaktowej, bezetykietowej analizy żywych komórek, konstruktów inżynierii tkankowej oraz tkanek natywnych. Specyficzne dla źródła sygnatury spektralne mogą być generowane i analizowane przy użyciu analizy wielowariancyjnej.

Bezkontaktowy i bezetykietowy monitoring komórek oraz macierzy pozakomórkowej z wykorzystaniem spektroskopii Ramanowskiej

Ten protokół ma na celu przedstawienie ogólnej metody wizualizacji ligniny, celulozy i hemicelulozy w ścianach komórkowych roślin za pomocą obrazowania Ramana i analizy wielowymiarowej.

Połączenie obrazowania ramanowskiego i analizy wielowymiarowej w celu wizualizacji ligniny, celulozy i hemicelulozy w ścianie komórkowej rośliny

Ten protokół opisuje pojedynczą przepustowość dla uzupełniających technik analitycznych i omicznych, której kulminacją jest w pełni sparowana charakterystyka naturalnej materii organicznej i proteomiki mikrobiologicznej w różnych ekosystemach. Podejście to pozwala na solidne porównania w celu identyfikacji szlaków i przemian metabolicznych ważnych dla opisu produkcji gazów cieplarnianych i przewidywania reakcji na zmiany środowiskowe.

Jednoprzepustowe komplementarne techniki analityczne o wysokiej rozdzielczości do charakteryzowania złożonych mieszanin naturalnej materii organicznej

W tym manuskrypcie opisana jest implementacja mikroskopu z wymuszonym rozpraszaniem Ramana (SRS), uzyskanego przez integrację eksperymentalnego zestawu SRS z laserowym mikroskopem skaningowym. Mikroskop SRS oparty jest na dwóch femtosekundowych (fs) źródłach laserowych, Ti-Sapphire (Ti:Sa) i zsynchronizowanym optycznym oscylatorze parametrycznym (OPO).

Wdrożenie mikroskopu nieliniowego opartego na wymuszonym rozpraszaniu Ramana

Ten protokół przedstawia zintegrowaną platformę spektroskopii Ramana i spektrometrii mas (MS), która jest w stanie osiągnąć rozdzielczość pojedynczej komórki. Spektroskopia Ramana może być stosowana do badania odpowiedzi komórkowej na leki, podczas gdy stwardnienie rozsiane może być wykorzystywane do ukierunkowanej i ilościowej analizy wychwytu i metabolizmu leków.

Zintegrowana platforma spektroskopii Ramana i spektrometrii mas do badania wychwytu, metabolizmu i efektów stosowania leków w pojedynczych komórkach

Opisana jest spójna metodologia obrazowania rozpraszania Ramana do wizualizacji i ilościowego oznaczania związków farmaceutycznych w skórze. W artykule opisano przygotowanie tkanki skórnej (ludzkiej i mysiej) i miejscowe stosowanie preparatów, akwizycję obrazu w celu ilościowego określenia czasoprzestrzennych profili stężeń oraz wstępną analizę farmakokinetyczną w celu oceny miejscowego dostarczania leków.

Wizualizacja i kwantyfikacja związków farmaceutycznych w skórze za pomocą obrazowania ze spójnym rozpraszaniem Ramana

Ten artykuł bezpośrednio porównuje rozdzielczość, czułość i kontrasty obrazowania stymulowanego rozpraszania Ramana (SRS) i spójnego rozpraszania anty-Stokesa Ramana (CARS) zintegrowanych w tej samej platformie mikroskopowej. Wyniki pokazują, że CARS ma lepszą rozdzielczość przestrzenną, SRS daje lepsze kontrasty i rozdzielczość spektralną, a obie metody mają podobną czułość.

Bezpośrednie porównanie hiperspektralnie stymulowanego rozpraszania Ramana i koherentnej mikroskopii rozpraszania Ramana antystokesa do obrazowania chemicznego

Proponowany protokół zakłada globalne podejście do oceny procesu tworzenia się kości w kontekście regeneracji kości za pomocą analiz multimodalnych. Ma on na celu dostarczenie jakościowych i ilościowych informacji na temat tworzenia się nowych kości, zwiększenie rygoru i trafności badań podstawowych i przedklinicznych.

Kompleksowa charakterystyka mineralizacji tkanek w modelu ex vivo

Przedstawiamy tutaj protokół analizy pojedynczych małych pęcherzyków zewnątrzkomórkowych (sEV) za pomocą bezoznakowanego, powierzchniowego spektroskopii Ramana (SERS), umożliwiającej minimalnie inwazyjną diagnostykę chorób i ocenę sEV jako środków dostarczania terapii.

Badanie zastosowania powierzchniowo wzmocnionego rozpraszania Ramana opartego na biosensowaniu poszczególnych sEV w diagnostyce chorób i terapii

Poznaj metodę spektroskopii Ramana z chemometrią do analizy wody, białek i lipidów w skórze człowieka. Protokół umożliwia pomiary in vivo z rozdzielczością głębokościową w badaniach klinicznych.

Rozpoznawanie wody, białek i lipidów z konfokalnych widm ramanowskich warstwy rogowej naskórka in vivo za pomocą podejścia chemometrycznego (Wideo) | JoVE Journal

Rozpoznawanie wody, białek i lipidów z konfokalnych widm ramanowskich warstwy rogowej naskórka in vivo za pomocą podejścia chemometrycznego

Przeglądaj więcej filmów