先进的成像和 AI 揭示了胎盘样本中与吸烟相关的毒素
快速阅读: 据《医疗快讯》称，莱斯大学科学家与贝勒医学院研究人员合作，开发了一种快速且精确的新方法，用于检测人类胎盘中烟草烟雾中的有害化学物质。该方法结合了光谱技术和机器学习算法，能识别吸烟者和非吸烟者的胎盘样本差异。这一技术有助于监测孕妇接触环境毒素的情况，从而改善胎儿和母体健康。
图片致谢：海伦娜·洛佩斯，来自Pexels莱斯大学的科学家与贝勒医学院（BCM）的研究人员合作，展示了一种前所未有的速度和精度检测人类胎盘中烟草烟雾中有害化学物质的新方法。研究团队使用了基于光的成像技术和机器学习（机器学习）算法的组合来识别并标记多环芳烃（PAHs）及其衍生物（PACs）——这些是有毒化合物，通过有机材料不完全燃烧产生。怀孕期间接触这些化学物质可能导致早产、低出生体重和发育问题等不良健康后果。“我们的工作解决了母体和胎儿健康的关键挑战，通过提高我们检测胎盘样本中有害化合物如PAHs和PACs的能力。”该研究的第一作者，莱斯大学的研究科学家奥阿拉·诺曼说，“研究发现表明，机器学习增强的拉曼光谱能够准确区分吸烟者和非吸烟者的胎盘样本。”
新方法被用于分析报告在怀孕期间吸烟的女性和自报非吸烟者的胎盘，确认只有从吸烟者收集的样本中存在PAHs和PACs。这些发现为环境和健康监测提供了关键工具，使识别和标记与吸烟相关的有害毒素以及其他来源如野火、火灾、超级基金地点和其他高污染环境和受污染产品的有害毒素成为可能。“测量胎盘中的环境化学物质水平可以让我们了解母亲和婴儿在怀孕期间的暴露情况。”BCM妇产科助理教授梅丽莎·苏特说，“这些信息可以帮助我们理解这些化学物质如何影响怀孕和婴儿的发育，并帮助科学家为公共卫生措施提供信息。”
这项研究依赖于表面增强光谱技术，这种方法使用专门设计的纳米材料放大特定光波长与目标化合物相互作用的方式。在这个案例中，研究人员利用了由莱斯大学电气与计算机工程系教授、斯坦利·C·摩尔电气与计算机工程教授娜奥米·哈拉斯领导的纳米工程光子学与等离子体研究小组设计的金纳米壳的特殊光学特性。“我们结合了两种互补的技术——表面增强拉曼光谱和表面增强红外吸收——以生成胎盘样本中分子的高度详细的振动特征。”该研究的通讯作者哈拉斯说。
哈拉斯与莱斯大学物理学和天文学威斯讲座教授、电气与计算机工程以及材料科学与纳米工程教授彼得·诺德兰德一起，在等离子体学领域做出了重大贡献，等离子体学是研究金属纳米粒子表面自由电子在光诱导下的集体振荡。表面增强光谱利用等离子体学，使得在痕量浓度下对生物和环境样品中的分子结构进行深入研究成为可能。
机器学习算法——特征峰提取（CaPE）和特征峰相似性（CaPSim）的集成揭示了数据中的微妙模式，否则这些模式将无法被发现。CaPE从复杂的数据集中识别出关键的化学特征，而CaPSim则将这些信号与已知的PAH化学特征匹配。这一成果展示了计算工具在医学和公共卫生应用中的变革性影响。莱斯大学电气与计算机工程助理教授兼BCM神经科学助理教授阿尼特·帕特尔表示，机器学习有助于“过滤数据中的‘噪音’”。“这就像所谓的‘鸡尾酒会效应’。”帕特尔说，“想象一个嘈杂拥挤的房间，里面有很多人同时说话。我们只能通过过滤掉其他声音来专注于特定的对话——同样地，机器学习能够比人类更有效地解析与PAHs和PACs相关的光谱数据。”
后续实验验证了研究结果，确认新方法提供了一种功能性的替代传统、更耗时耗力的技术的方法。除了与吸烟相关的暴露之外，这项研究还可以使监测自然灾害或工业事故后的环境毒素成为可能，为医疗保健提供者提供更快、更可靠的风险评估方式，从而有可能改善胎儿和母体的健康结果。“这种新方法提供了前所未有的细节水平。”BCM儿科和新生儿学Kurt Randerath医学博士基金会主席及教授巴加瓦图拉·穆尔蒂说。“这项研究为扩展超灵敏PAH和PAC检测技术奠定了基础，该技术不仅可以在血液和尿液等生物流体中使用，也可以用于空气、水和土壤中PAHs、PACs和其他有害化学物质的环境监测，从而有助于人类风险评估。”
莱斯大学的其他合著者包括计算机科学博士毕业生尤永龙，他开发了机器学习算法，以及安德烈斯·桑切斯-阿尔瓦拉多，他是哈拉斯研究小组的电气与计算机工程博士生，参与了实验。
更多信息：娜奥米·J·哈拉斯等人，《机器学习增强的人类胎盘中多环芳烃的表面增强光谱检测》，《美国国家科学院院刊》（2025年）。DOI: 10.1073/pnas.2422537122
期刊信息：《美国国家科学院院刊》由莱斯大学提供
引用:先进成像和AI揭示胎盘样本中的吸烟相关毒素（2025年2月10日）。2025年2月10日从https://medicalxpress.com/news/2025-02-advanced-imaging-ai-reveal-toxins.html 获取本文件
(以上内容均由Ai生成)
