山东大学学报(理学版)

作者：陈云帆,王也晨,王龙,安琪,冯泽国

单位：1.中国地质大学(北京)材料科学与工程学院, 北京 100083;2.中国人民解放军总医院第一医学中心疼痛科, 北京 100853

关键词：表面增强拉曼散射,机器学习,生物医药,特征提取,疾病诊断,

基金：国家自然科学基金资助项目(22272152)

表面增强拉曼光谱(surface-enhanced Raman spectroscopy, SERS)能够捕获分子的化学键振动特征,实现高灵敏度和特异性的无标记检测,在检测生物样品方面具有显著的优势和应用潜力,但面临数据特征复杂、光谱波动性、重复性、特征峰重叠等挑战。机器学习(machine learning, ML)通过算法和模型使计算机从数据中自动学习并进行预测或决策,在解析生物样品的复杂SERS光谱,推进其临床应用中展现出广阔前景。本文综述ML算法如何提升SERS性能,介绍用于ML的SERS数据的预处理方法、探讨ML处理SERS数据的功能类型和基本流程,并重点介绍其在分类和定量分析以及疾病诊断中的应用。此外,本文还讨论ML辅助SERS在分子结构预测、拉曼光谱数据库构建及DNA与RNA区分方面的潜力。最后,对ML集成SERS的挑战和未来发展方向进行展望。

来源：2025年第10期

《山东大学学报(理学版)》期刊编辑部

查看山东大学学报(理学版)杂志2025年第10期