| 【中文题名】 | 基于光镊拉曼光谱的单细胞分析方法研究 |
| 【英文题名】 | |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-11 |
| 【中关键词】 | 地中海贫血,肝癌,拉曼光谱,光镊,神经网络,微流控芯片 |
| 【英关键词】 | thalassemia,liver cancer,Raman spectrum,optical tweezers,neural networks,microfluidic chip, |
| 【分类导航】 | 工业技术>机械、仪表工业>仪器、仪表>医药卫生器械>医用光学仪器> |
| 【论文摘要】 |
拉曼光谱是一种简便灵敏的光谱分析新技术,近年来在细胞的结构、功能及细胞凋亡等方面取得了迅速发展。目前,拉曼光谱已经在农业、工业、化学,生命科学等领域得到了广泛的应用,取得了明显的成效。而对于不少受布朗运动影响或会游动的细胞或生物大分子而言,使用普通拉曼光谱仪检测其拉曼光谱将十分困难。因此本文引入了激光镊子拉曼光谱技术,它是研究生物体组织分子结构的新工具。
单细胞光镊拉曼光谱技术是将光学囚禁(optical trapping)与拉曼光谱分析(Raman spectroscopy)结合并应用于悬浮细胞研究的一项新的生物光子技术。其原理是利用高度会聚的激光束,囚禁溶液中的活细胞,使之固定在激光微束中,再通过瞬时增加的激光强度来激发细胞内分子的非弹性拉曼散射,从而可以收集到该细胞的拉曼光谱。将单细胞光镊拉曼光谱技术应用于从单细胞水平分析和诊断地中海贫血、癌症的研究,是一项很有意义的工作。
地中海贫血(地贫)是一组由于珠蛋白基因的缺失或缺陷导致珠蛋白链合成障碍所引起的遗传性溶血性疾病。其中,α和β地贫最为常见。长期以来,地中海贫血困扰着中国南方、东南亚地区数以百万计的广大人口。广西是地贫的高发... |
| 【论文题纲】 |
|
论文摘要 |
2-4 |
|
Abstract |
4-8 |
|
第一章 绪论 |
8-20 |
|
1.1 课题的来源、背景及意义 |
8-9 |
|
1.1.1 课题来源及目的 |
8 |
|
1.1.2 实际意义及价值 |
8-9 |
|
1.2 拉曼光谱的基本原理和概念 |
9-13 |
|
1.2.1 拉曼散射和瑞利散射 |
9-10 |
|
1.2.2 拉曼散射的解释 |
10-12 |
|
1.2.3 特征拉曼频率 |
12-13 |
|
1.2.4 拉曼谱线相对强度的变化率和退偏比 |
13 |
|
1.3 单细胞拉曼光谱技术介绍 |
13-17 |
|
1.3.1 拉曼光谱技术的产生与发展 |
13-14 |
|
1.3.2 光镊拉曼的应用背景 |
14-16 |
|
1.3.3 带有光镊子技术的拉曼光谱仪 |
16-17 |
|
1.3.4 单细胞的拉曼光谱分析 |
17 |
|
1.4 微流控芯片介绍 |
17-19 |
|
1.4.1 微流控芯片分析系统的发展 |
17-18 |
|
1.4.2 微流控芯片分析系统的用途及重点应用领域 |
18-19 |
|
1.4.3 微流控芯片分析系统的展望 |
19 |
|
1.5 本文内容安排 |
19-20 |
|
第二章 基于PCA算法和BP神经网络联用的光镊子拉曼光谱地中海贫血病种的诊断方法. |
20-34 |
|
2.1 地中海贫血及其传统的诊断方式的缺陷 |
20 |
|
2.2 使用带光镊子的拉曼光谱仪获取地中海贫血血细胞的拉曼光谱数据 |
20-21 |
|
2.2.1 光谱的获得所需要的仪器与设备 |
20-21 |
|
2.2.2 样品的来源与数据的获取 |
21 |
|
2.2.3 所得光谱数据的预处理 |
21 |
|
2.3 使用主成分分析算法（PCA）进行特征提取 |
21-24 |
|
2.3.1 主成分分析算法 |
21-23 |
|
2.3.2 特征提取的原则 |
23-24 |
|
2.4 BP人工神经网络的训练与模式分类 |
24-30 |
|
2.4.1 人工神经网络的基本概念 |
24-25 |
|
2.4.1.1 人工神经网络的优点 |
24-25 |
|
2.4.2 BP人工神经网络 |
25-27 |
|
2.4.2.1 BP神经网络的结构 |
25-27 |
|
2.4.2.2 BP神经网络的学习过程 |
27 |
|
2.4.3 BP神经网络的改进方法 |
27-29 |
|
2.4.3.1 BP神经网络的不足 |
27-28 |
|
2.4.3.2 BP神经网络的改进 |
28-29 |
|
2.4.4 PCA与BP神经网络联用的预测模型设置 |
29-30 |
|
2.4.4.1 BP神经网络结构的确定 |
29 |
|
2.4.4.2 网络各种参数的选定 |
29-30 |
|
2.5 实验结果与分析 |
30-33 |
|
2.5.1 血红细胞的显微拉曼光谱 |
30-31 |
|
2.5.2 对不同病种的拉曼光谱数据作PCA处理 |
31-32 |
|
2.5.3 基于数据的前三维主分量建立BP神经网络预测模型 |
32-33 |
|
2.6 小结 |
33-34 |
|
第三章 基于拉曼光镊手段的肝癌诊断技术研究 |
34-37 |
|
3.1 使用拉曼光镊分析肝（肝癌）细胞的拉曼光谱的意义 |
34 |
|
3.2 使用带光镊子的拉曼光谱仪获取肝（肝癌）细胞的拉曼光谱数据 |
34-35 |
|
3.2.1 仪器与试剂 |
34-35 |
|
3.2.2 数据获取 |
35 |
|
3.2.3 所得光谱数据的预处理 |
35 |
|
3.3 实验结果与分析 |
35-36 |
|
3.3.1 肝癌细胞及正常人肝脏细胞的显微拉曼光谱 |
35-36 |
|
3.4 小结 |
36-37 |
|
第四章 基于微流控芯片、拉曼光镊的红细胞光谱检测技术 |
37-45 |
|
4.1 材料与方法 |
37-39 |
|
4.1.1 常规的单细胞拉曼光谱检测方法的不足及引入微流控芯片后的优越性 |
37 |
|
4.1.2 微流控芯片分析系统的准备 |
37-38 |
|
4.1.3 电泳缓冲液的配制 |
38-39 |
|
4.2 实验部分 |
39-40 |
|
4.2.1 芯片清洗 |
39 |
|
4.2.2 操作步骤 |
39-40 |
|
4.3 实验结果 |
40-45 |
|
第五章 总结与展望 |
45-47 |
|
5.1 论文总结 |
45 |
|
5.2 论文进一步研究的展望 |
45-47 |
|
参考文献 |
47-49 |
|
攻读硕士期间发表的论文 |
49-50 |
|
致谢 |
50-51 |
|
| 【DOI】 | LunWen.ID:2.2008.205613 |
