摘要
DNA是遗传信息的载体，携带丰富的遗传信息。在生命活动中，许多疾病是由于碱基的突变导致的。因此，对DNA链中碱基差异的识别对疾病早期诊断和预判具有重要意义。表面增强拉曼光谱(SERS)是一种能够提供分子指纹信息，并且具有单分子检测能力的表面分析技术，因其操作简单、灵敏度高、检测速度快、水干扰小、所需样品少等优点，在生物分析、食品安全、环境检测等领域广泛应用。本论文通过制备对DNA具有强吸附能力的SERS基底，实现DNA的高灵敏快速分析，进一步利用主成分分析和卷积神经网络方法并结合SERS能够提供指纹信息的优势，建立基于SERS的DNA单碱基差异识别方法，为DNA的快速、便捷分析提供方法参考。主要研究内容有: (1)基于壳聚糖功能化的SERS基底的DNA碱基差异识别方法研究 通过将富含氨基的壳聚糖与银纳米颗粒混合，形成能够有效吸附DNA分子的SERS基底AgNPs/CTS，同时考察了AgNPs/CTS对碱基分子和模型DNA分子的检测性能，建立DNA碱基差异的识别方法。结果表明:条件优化后的SERS基底能对DNA进行高灵敏、可重复性检测;检测信号与DNA浓度变化在0.05-10μM范围内有良好的线性关系;利用该方法对差异DNA序列进行检测，可给出相应的SERS特征峰，通过分析光谱差异，能够在分子水平上识别DNA。 (2)基于胍基化合物功能化SERS基底的DNA单碱基差异识别方法研究 设计合成了能与金纳米颗粒连接的1-（3-巯基丙基）胍(G-SH)分子，利用核磁、质谱对分子进行表征;考察了基底对脱氧核糖核苷酸检测信号的重现性和稳定性以及对模型DNA分子检测的稳定性，优化了G-SH分子修饰时间、DNA孵育时间、pH值、G-SH浓度和银胶浓度等检测条件;并进一步研究了SERS基底Au/G-SH/AgNPs对模型DNA分子的检测性能。结果显示，Au/G-SH/AgNPs可通过胍基分子与DNA磷酸骨架作用，将DNA有效地吸附到基底表面，提高其对DNA的SERS检测性能，该方法对DNA检测最低浓度为0.05μM;基底对DNA样品的检测信号在6小时内保持稳定;此外，在一系列单碱基差异的DNA样品检测过程中，能够识别出DNA链中碱基的差异，具备快速分析DNA的潜力。 (3)基于机器学习的DNA单碱基差异高通量智能识别方法研究 构建主成分分析和深度卷积神经网络分类模型，并将本研究构建的两个SERS基底与机器学习分类模型结合，用于碱基差异的DNA样品分析，进而建立SERS和机器学习的DNA单碱基差异识别方法。结果显示:利用该方法对四种碱基分子和脱氧核糖核苷酸分子的拉曼光谱进行区分，区分度达到100％。此外，该方法对大批量单碱基差异样品进行快速分析的识别，准确率可达84％。
NETL