1 陕西省人民医院普外二科, 陕西 西安 710068
2 西安交通大学第一附属医院普外科, 陕西 西安 710061
3 北京大学化学与分子工程学院, 北京 100871
应用傅里叶变换红外光谱(FTIR)联合主成分分析法(PCA), 分析直肠癌转移淋巴结的谱学特征, 并对直肠癌转移淋巴结和非转移淋巴结进行线性判别分析。 80例直肠癌转移淋巴结和80例未转移淋巴结进行FTIR光谱分析, 计算峰强并进行主成分分析, 得出在波数4 000~1 700 cm-1范围主成分1(Principal components 1, PC1)是3 260 cm-1, PC2为1 740 cm-1。 波数1 700~1 000 cm-1范围, PC1为1 640 cm-1, PC2为1 080 cm-1, 将良、 恶性淋巴结光谱3 260, 1 740, 1 640, 1 080 cm-1相对峰强比(I/I1 460)和波数1 080和1 300 cm-1进行t检验, 良、 恶性结果差异有统计学意义(p<005), 表明癌转移淋巴结中蛋白含量、 蛋白的形成、 氨基酸增多; 脂肪含量明显减少与癌组织中无氧酵解脂肪含量减少有关。 将相对峰强比(I1 080/I1 460, I1 640/I1 460, I3 260/I1 460, I1 740/I1 460, n=160)进行PCA聚类分析, 结果显示可以将良恶性淋巴结鉴别, 良性淋巴结聚类在第一和四象限, 恶性淋巴结聚类在二和三象限。 将相对峰强比、 1 080和1 300 cm-1进行线性判别分析(LDA), 将25例淋巴结作为验证集进行分析, 得出PCA/LDA模型的敏感度是875%, 特异度是885%。 结果表明傅里叶变换红外光谱分析技术可成为术中原位、 在体和快速诊断直肠癌淋巴结转移的一种简便方法。
傅里叶变换红外光谱 直肠癌 淋巴结 主成分分析 线性判别分析 FTIR Rectal cancer Lymph nodes PCA LDA 光谱学与光谱分析
2017, 37(7): 2028
以半导体共振腔内光子与原子的纠缠特性作为量子位,通过半导体 共振腔电动力学系统将原子态转换成光子态, 根据半导体共振腔的工作特性,提出共振腔内原子与光子弱耦合与强耦合的判断条件, 并利用外加电磁场对原子的量子态进行操控,从而完成量子逻辑门的操作,再通过各共振腔量子电动 力学(CQED)系统间的纠缠进行量子位扩充,实现量子计算与量子网络。介绍微碟型共振腔与单一量子点等 多种模型,有助于将量子运算与量子通讯的概念转变为半导体量子器件的研制。
量子光学 半导体共振腔 共振腔量子电动力学 耦合强度 量子点 微碟型共振腔 quantum optics semiconductor cavity cavity quantum electrodynamics coupling strength quantum dot micro-dish cavity
1 西安交通大学医学院第一附属医院普外科, 陕西 西安 710061
2 北京大学化学与分子工程学院, 北京 100871
探索红外光谱监测肿瘤细胞凋亡的可行性及初步分析。 采用结肠癌细胞系SW620作为诱导细胞模型, MTT法确定最优5-FU诱导浓度, 无血清饥饿培养协同细胞周期阻滞在G1和S期, 傅里叶显微红外光谱仪(FTIR) 联合流式细胞仪(FCM)对SW 620细胞和凋亡的SW 620细胞12 h、 早期凋亡(24 h)和晚期凋亡(48 h)的峰位、 相对峰强等指标进行比较分析。 光谱分析结果显示SW 620对比凋亡细胞有以下特征: (1)与脂类相关谱带1 740 cm-1相对峰强比I1 740/I1 460明显降低(p<0.05), 表明凋亡细胞中脂类相对含量增多。 (2)与氨基酸残基相关谱带1 410 cm-1, I1 460/I1 460在凋亡早期和晚期明显升高(p<0.05), 与丝、 苏氨基酸相关谱带1 120 cm-1 向高波数移动, I1 120/I1 460明显升高(p<0.05), 表明凋亡细胞中DNA双螺旋解链, 氨基酸残基增多。 (3)DNA的反对称伸缩1 240 cm-1向高波数移动, 表明凋亡细胞中核酸分子构象发生改变。 (4)与核酸多糖1 040 cm-1相关谱带在凋亡的24和48 h出现, 向高波数移动, I1 040/I1 460在凋亡晚期降低(p<0.05)。 初步研究结果表明傅里叶变换红外光谱分析可能成为实时无创监测肿瘤化疗的有效方法。
结肠癌 细胞周期 细胞凋亡 红外光谱 化疗 Colon cancer Cell cycle Apoptosis FTIR Chemotherapy 光谱学与光谱分析
2013, 33(12): 3169
1 西安交通大学医学院第一附属医院普外科, 陕西 西安710061
2 辽宁中医药大学药学院, 辽宁 大连116600
3 北京大学第三医院, 北京100191
4 北京大学化学与分子工程学院, 北京100871
运用傅里叶变换红外光谱技术研究了正常组织(30例)和细胞株(SW 620), 正常细胞核和癌变细胞核的红外光谱特征, 为红外光谱诊断结直肠癌奠定了细胞及亚细胞水平的实验基础。 将所得光谱图的峰位及峰强比进行统计分析发现: 细胞株(SW 620)和癌变细胞核中谱带(2 925, 1 240和1 085 cm-1)的峰位均向高波数移动(p<0.05), 而谱带1 400 cm-1的峰位均向低波数移动(p<0.05); 细胞株(SW 620)中峰强比(I1 650/I1 460, I1 400/I1 460, I1 240/I1 460,)较正常组织升高(p<0.05), 而I1 740/I1 460则降低(p<0.01)。 癌变细胞核中(I1 650/I1 460, I1 400/I1 460, I1 240/I1 460)较正常细胞核亦升高(p<0.05).这些差异可作为区别组织良恶性的指标。
细胞株 细胞核 傅里叶变换红外光谱 Cell line Cell nucleus Fourier transform infrared spectra 光谱学与光谱分析
2013, 33(6): 1496
1 山东科技大学济南校区公共课部, 山东 济南 250031
2 山东科技大学济南校区电气信息系, 山东 济南 250031
全光纤的Mach-Zehnder干涉仪是一种重要的干涉器件。本文利用散射矩阵的分析方法,通过计算机数值模拟,研 究了Mach-Zehnder干涉仪的传输特性,得出了输出端谱线与干涉仪结构参数的变化关系。
光纤Mach-Zehnder干涉仪 散射矩阵分析方法 传输特性 all-fiber Mach-Zehnder interferometer scattering matrix analysis method transmission characteristics
1 西安交通大学医学院第一附属医院普外科, 陕西 西安710061
2 北京大学化学与分子工程学院, 北京100871
应用傅里叶变换红外光谱(FTIR)对体外培养胆囊癌细胞、 细胞核进行检测, 对照胆囊癌组织光谱特征, 研究胆囊癌细胞株及细胞核的光谱表现; 为红外光谱法诊断胆囊癌奠定细胞学基础。 应用美国Nicolet(尼高力)公司5700-Ⅱ型红外光谱仪, 组织标本放置于OMNIC采样器表面进行检测,记录红外光谱; 体外培养胆囊癌细胞株(GBC-SD)及提取的细胞核涂于欧米采样器表面进行红外检测,记录红外光谱, 得到时间轴上体外培养细胞株及细胞核的光谱图; 选择特征性光谱与胆囊癌组织光谱进行比对。 结果发现胆囊癌细胞株红外光谱特征与相应癌组织光谱特征存在异同。 从而可得出结论: 将体外培养肿瘤细胞株及提取的肿瘤细胞核, 进行FTIR测定是行之有效的细胞红外光谱检测手段, 能得到体外培养细胞的红外谱图; 胆囊癌组织所表现的红外光谱特征具有胆囊癌细胞本身的红外光谱特征, 同时也具有组织自身的复杂特点; FTIR为应用于胆囊癌的定性诊断提供了更加丰富的细胞学基础。
傅里叶变换红外光谱 胆囊癌 细胞株 细胞核 FTIR Gallbladder carcinoma Cells Nucleus 光谱学与光谱分析
2009, 29(7): 1750
1 北京航空航天大学仪器科学与光电工程学院, 北京 100083
2 北京大学化学与分子工程学院, 北京 100871
3 西安交通大学第一医院外科, 陕西 西安 710061
将人工神经网络方法应用于人体胃镜样品红外光谱检测, 以克服常规线性判别分析方法的局限性, 从而提高了胃镜样品判别的准确率。 概率神经网络是一种适用模式分类的径向基神经网络, 采用样本的先验概率和最优判定原则对新的样本进行分类, 具有识别率高、 训练速度快、 不会陷入局部极值等优点。 文章采用概率神经网络进行胃镜样品红外光谱模式识别, 将预处理后的胃镜样品光谱进行主成分分析, 将得分值作为输入, 建立概率神经网络判别模型。 文中选取118例胃镜离体样品进行红外光谱判别分析, 其中正常胃组织19例, 胃炎组织64例, 胃癌35例, 选取其中59例样品建立概率神经网络校正模型, 其余样品作为预测集来检验模型。 实验结果表明, 正常、 炎症及癌症胃镜样品检测的总体准确率达到81.4%, 对胃镜样品的判别取得了较好的结果。
概率神经网络 胃镜 傅里叶变换红外光谱 模式识别 癌症诊断 Probabilistic neural networks Gastric endoscope Fourier transform infrared spectroscopy Pattern recognition Cancerdiagnosis 光谱学与光谱分析
2009, 29(6): 1553