Analisi di metaboliti in soluzioni fisiologiche tramite spettroscopia Raman per la diagnosi non invasiva = Analysis of metabolites in physiological solutions using Raman Spectroscopy for non-invasive diagnosis

La misura dei metaboliti nel sangue è fondamentale per diagnosticare, monitorare e trattare numerose patologie, oltre che per valutare lo stato di salute generale degli individui. In ambito medico e clinico, questi dati sono essenziali per comprendere il metabolismo, identificare disfunzioni e personalizzare le terapie. Tuttavia, i metodi tradizionali basati sul prelievo di sangue presentano alcune limitazioni, tra cui l'invasività, il disagio per il paziente e la difficoltà di ottenere misurazioni frequenti o continue nel tempo. Gli analiti oggetto di questo studio sono glucosio, lattato e urea, tre componenti fondamentali del sudore eccrino che rivestono un ruolo cruciale sia in ambito clinico che fisiologico. Questa tesi ha l’obiettivo di sviluppare un modello matematico capace di determinare le concentrazioni di glucosio, lattato e urea in soluzioni che replicano la composizione del sudore umano, sfruttando la spettroscopia Raman. Ciò avviene mediante l’utilizzo di algoritmi chemiometrici, in cui l’addestramento del modello avviene attraverso curve di calibrazione ottenute da soluzioni con concentrazioni crescenti e note degli analiti, e la validazione si effettua su campioni contenenti interferenti. Infatti, un limite rilevante nella spettroscopia Raman risiede nell’efficienza dell’analisi degli spettri ottenuti. Generalmente, il processo si focalizza sull’identificazione di un picco caratteristico per l’analita di interesse. Questo approccio, pur semplificando l’interpretazione dei dati, riduce la quantità di informazioni analizzate, rendendo la metodologia vulnerabile a interferenze da parte di altre molecole con legami chimici simili. Nel contesto del sudore, glucosio, lattato e urea, presenti contemporaneamente, possono sovrapporre i loro segnali Raman, agendo come interferenti reciproci e peggiorando l’accuratezza dell’identificazione e quantificazione. Per migliorare ulteriormente la qualità della misura e abbassare il limite di rilevazione, è inoltre possibile utilizzare la tecnica SERS (Surface-Enhanced Raman Spectroscopy), grazie alla sua capacità di amplificare significativamente i segnali Raman, migliorando la sensibilità e l'accuratezza nell'analisi di analiti a basse concentrazioni. Mediante superfici nanostrutturate, la SERS riduce l'impatto delle interferenze spettrali tra biomolecole simili e, integrata con tecniche chemiometriche, permette un'analisi più affidabile e robusta. Questo approccio rende la metodologia ideale per applicazioni cliniche avanzate e dispositivi diagnostici non invasivi. I risultati hanno evidenziato una buona linearità e una soddisfacente robustezza dei modelli chemiometrici sviluppati per i tre composti.