Resumen

Para facilitar la mayor fiabilidad mejorada de la detección de tumores basada en Raman y las metodologías analíticas, se realizó una investigación espectral de Raman para identificar información composicional distinta de tejido sano (H), carcinoma ductal (DCIS) y carcinoma ductal invasivo (IDC). Luego, se construyeron modelos de análisis de componentes principales-análisis discriminante lineal (PCA-LDA) y análisis de componentes principales-máquina de vectores de soporte (PCA-SVM) para distinguir características espectrales entre diferentes grupos de tejido. El análisis espectral resaltó diferencias en los niveles de lípidos insaturados y saturados, carotenoides, proteínas y ácidos nucleicos entre tejido sano y canceroso, y variaciones en los niveles de ácidos nucleicos, proteínas y fenilalanina entre DCIS e IDC. Ambos modelos de clasificación mostraron que el análisis de componentes principales-análisis discriminante lineal fue extremadamente eficiente para discriminar tipos patológicos de tejido con un 99%

• Materias:Fármacos Electroforesis Microespectral Raman Espectro ultravioleta Teledetección
• Subjects:Pharmaceuticals Electrophoresis Microspectral Raman Ultraviolet spectrum Remote sensing
• Palabras claves:Raman; Investigación espectral; Pca-lda; Pca-svm; Grupos de tejidos; Tecnología de análisis multivariante
• Keywords:Raman; Spectral investigation; Pca-lda; Pca-svm; Tissue groups; Multivariate analysis technology