ACS AMI | Rice University Shengxi Huang团队：机器学习增强的高光谱拉曼成像阿尔茨海默病脑无标记分子图谱研究

本研究基于机器学习增强的高光谱拉曼成像技术，构建了阿尔茨海默病（AD）小鼠脑切片的无标记分子图谱。背景方面，传统成像技术如PET、MRI和荧光显微镜在化学特异性和空间分辨率上存在局限，尤其难以捕捉AD早期生化变化。研究目的在于开发一种结合光谱学与人工智能的、具有亚微米空间分辨率的无标记分子成像方法，以超越经典Aβ病理学，捕捉分子异质性。结论显示，该ML-Raman框架成功实现了AD脑切片的快速疾病分类、区域映射和生物标志物识别。无监督学习清晰描绘了脑区边界，并发现AD样本中Aβ42积累显著增加，且胆固醇和糖原代谢在海马体和皮层区域表现出区域特异性紊乱。监督学习模型（如SVM和PSE-LR）提供了高精度分类，生成的AD评分图与神经病理学结果一致。该框架为理解神经退行性疾病的分子机制和识别代谢共病提供了强大工具，并具有扩展到其他疾病和材料科学的应用潜力。