通过化学测量方法，从活体共聚焦拉曼光谱中解决水、蛋白质和脂质

在临床研究中，在体内共聚焦拉曼光谱显示其独特的能力，以确定地层角膜厚度和含^{水量1，2，3，4，}并跟踪渗透活性材料局部地应用于^{皮肤5，6。}作为一种非侵入性的方法，共聚焦拉曼光谱检测基于振动模式的分子信号。因此，不需要标签⁷。在体内共聚焦拉曼光谱提供基于该技术共聚焦特性的化学信息，其深度分辨率。这种深度依赖信息在研究护肤^{品4、8、老化9、10、}季节^变化3以及皮肤屏障功能疾病的影响方面非常有用，如特应性皮^{炎11，12。}在共聚焦拉曼光谱的高频区域（2，500-4，000^{厘米-1），}水在3，250~3，550^厘米-1之间产生不同的峰。然而，蛋白质和脂质的拉曼峰，集中在大约2，800-3，000^厘米-1之间，相互重叠，因为信号主要来自亚甲（-CH₂-）和甲基（-CH_3）^组13.在获得相对数量的单个分子物种时，这种重叠的信息带来了技术挑战。峰值拟^合14，15和选择性峰值^{位置12，16}方法已被用来解决这一挑战。但是，这些基于单峰的方法很难提取纯组件信息，因为来自同一组件的多个 Raman 峰值同时更改¹⁷。在我们最近的^第18号出版物中，有人提出了一种MCR方法来阐明纯成分信息。使用这种方法，从大型体内共聚焦拉曼光谱数据集中提取了三个组分（水、蛋白质和脂质）。

大型临床研究的执行对收集体内光谱数据的个人可能要求很高。在某些情况下，频谱采集可能需要一天操作设备数小时，研究可长达数周或数月。在这些情况下，光谱数据可能由缺乏技术专业知识的设备操作员生成，以识别、排除和校正所有光谱伪影源。生成的数据集可能包含一小部分光谱异常值，需要在分析之前从数据中识别和排除。本文详细介绍了在使用MCR分析数据之前，为”清理”临床拉曼数据集而进行化学分析的过程。要成功去除异常值，需要确定异常值的类型和生成异常值光谱的潜在原因。然后，可以开发一种特定的方法来删除目标异常值。这需要事先了解数据集，包括详细了解数据生成过程和研究设计。在此数据集中，大多数异常值都是低信噪光谱，主要来自皮肤表面上方收集的 1 光谱（30，862 中的 6，208 个）和 2） 荧光室光光谱（30，862 中的 67 个）。在皮肤表面上方收集的光谱会产生微弱的拉曼反应，因为激光焦点接近皮肤表面，并且主要位于皮肤下方的仪器窗口。由于仪器操作员错误或主体移动，产生荧光室光的强烈贡献的光谱，这会产生一种情况，即共聚焦拉曼收集窗口未完全覆盖主体的身体部位。尽管在获取数据时，光谱专家可以在光谱采集期间识别和修正这些类型的光谱伪像，但本研究中使用的训练有素的仪器操作员已指示收集所有数据，除非灾难性故障被观察到。识别和排除异常值的任务已合并到数据分析协议中。提出的协议是为了解决这一挑战而制定的。为了解决皮肤表面上方的低信噪光谱，首先需要确定皮肤表面的位置，以便去除皮肤表面上方收集的光谱。皮肤表面的位置被定义为拉曼激光焦点在皮肤中一半和皮肤的一半的深度，如补充图1所示。去除低信噪点后，实施主要分量分析（PCA），以提取荧光室光峰占主导地位的因子。这些离群值根据相应因子的分数值被删除。

该协议提供了在 MCR 过程中如何确定六个主要组件的详细信息。这通过 PCA 分析完成，然后对具有不同数量主分量生成的模型的载荷进行光谱形状比较。详细介绍了参考资料和人体资料数据收集的实验过程。