Un nouveau protocole de traitement des données permet une reconnaissance basée sur les caractéristiques des spectres Raman améliorés en surface pour le sondage de molécules intracellulaires de cibles biologiques. Il s'appuie sur la détection locale des spectres les plus pertinents pour récupérer toutes les données de manière indépendante grâce à l'indexation.
La spectroscopie Raman fournit une spécificité moléculaire grâce à une mesure résolue spectralement de la diffusion inélastique sous excitation monochromatique. Dans le cadre de la microscopie, il peut servir d'imagerie cellulaire sans marquage, fournir des informations structurelles. Cependant, la très faible section efficace de la diffusion Raman nécessite des expositions de longue durée, qui empêchent l'imagerie des composants cellulaires avec de faibles concentrations. Spectroscopie Raman amplifiée en surface (SERS), qui s'appuie sur le renforcement local du champ électromagnétique produit par les nanostructures métalliques, est une approche pour augmenter considérablement la sensibilité de la détection Raman tout en conservant de grandes quantités d'informations spectrales. En imagerie cellulaire, la mesure est généralement réalisée sur des nanostructures endocytosées. Cependant, les signaux SERS mesurés varient fortement car ils dépendent du profil du faisceau d'excitation, présence ou agrégation de particules locales et environnement moléculaire local. L'identification et l'extraction des spectres correspondant aux molécules d'intérêt au sein d'un ensemble de données SERS est très difficile.
Les méthodes d'analyse de données conventionnelles recherchent des modèles globaux dans les données, alors que la sensibilité à une seule molécule de SERS peut détecter des molécules indépendantes dans chaque pixel avec peu de corrélation entre les pixels. Nicolas Pavillon et ses collègues de l'Université d'Osaka ont maintenant exploré différentes méthodes algorithmiques pour discriminer automatiquement les spectres d'intérêt dans le champ de vision mesuré, sans imposer des hypothèses sur l'auto-similitude des données. La méthode proposée repose sur l'indexation des positions des spectres pertinents, qui sont sélectionnés par le calcul d'une carte de qualité.
Les scientifiques ont proposé divers critères pour calculer l'extraction des spectres, comme l'énergie spectrale, le nombre de pics par spectre, ou les coefficients de projection sur les vecteurs SVD. Ils ont évalué chaque critère avec des données simulées et ont appliqué cette approche à différents types de mesures, comme la Rhodamine 6G séchée adsorbée sur des nanoparticules d'or déposées sur un substrat de verre, et des cellules HeLa avec des nanoparticules d'or endocytosées.
Les tests avec des données simulées ont montré que différents critères peuvent donner des résultats satisfaisants. Le temps de calcul pourrait être considérablement réduit en éliminant les pixels non pertinents grâce à un simple critère basé sur l'énergie spectrale, réduire le temps de traitement à typiquement moins de 10 secondes pour un champ de vision de l'ordre de 100 X 100 pixels.
Les tests effectués sur les mesures de Rhodamine 6G ont démontré la validité de l'approche proposée, où son spectre connu pourrait être extrait automatiquement. Le critère du nombre de pics était le plus approprié dans la plupart des cas, car il détecte divers modèles sans filtrer aucune courbe qui peut n'apparaître qu'une seule instance dans l'ensemble de données. De tels spectres uniques peuvent être d'une importance critique dans une expérience de détection SERS donnée. Une caractéristique principale de l'approche proposée est que sa sortie est une carte de localisation des spectres les plus pertinents dans une mesure. L'information spatiale est conservée, permettant de remonter les positions de plusieurs spectres aux propriétés identiques, par exemple. La méthode optimisée a été utilisée pour extraire et classer le comportement de réponse SERS complexe des nanoparticules d'or prélevées dans des cellules vivantes.
