Поверхностно-усиленная лазерная рамановская спектроскопия для детектирования и дифференциации респираторных вирусов с применением методов машинного обучения тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Табаров Артем Тимурович

• Табаров Артем Тимурович
• кандидат наук
• 2025

Оглавление диссертации кандидат наук Табаров Артем Тимурович

ОГЛАВЛЕНИЕ

РЕФЕРАТ

SYNOPSIS

ВВЕДЕНИЕ

ГЛАВА 1. ЛИТЕРАТУРНЫЙ ОБЗОР

1.1. Рамановская спектроскопия и её применение в диагностике

1.2. Поверхностно-усиленная рамановская спектроскопия

1.2.1. Поверхностный плазмонный резонанс

1.2.2 Локализованный плазмонный резонанс на наночастицах

1.2.3. Связанный плазмонный резонанс и горячие точки

1.2.4. Механизмы усиления рамановского рассеяния

1.2.5. Оптические свойства металлов

1.2.6 Влияние размера и формы наночастиц

1.2.7 Роль адсорбции аналита на наночастицах

1.2.8 Особенности SERS спектров биологических образцов

1.2.9 Детектирование вирусов метом SERS без меток

1.2.10. Преимущества SERS для детекции вирусов

1.3. Роль лазеров в SERS

1.3.1. Принципы работы лазеров и их роль в SERS

1.3.2. Влияние параметров лазеров на SERS

1.3.3. Длина волны лазера

1.3.4. Мощность лазера

1.3.5. Поляризация лазерного излучения

1.3.6. Фокусировка лазерного пучка

1.3.7. Метод SERRS

1.3.8. Метод SERDS

1.3.9 Методы моделирования взаимодействия лазерного излучения с наноструктурами

1.3.10. Примеры использования различных лазеров для детектирования вирусов методом SERS

1.4. Обработка спектральных данных

1.4.1. Методы предобработки данных

1.4.2. Применение алгоритмов машинного обучения

1.5. Перспективы развития лазерных технологий в SERS

1.5.1. Новые материалы для наночастиц

1.5.2. Портативные SERS-устройства

1.5.3. Интеграция SERS с другими методами анализа

Выводы к Главе

ГЛАВА 2. ОБОСНОВАНИЕ ВЫБОРА ПАРАМЕТРОВ ЭКСПЕРИМЕНТАЛЬНОЙ УСТАНОВКИ ДЛЯ ДЕТЕКТИРОВАНИЯ ВИРУСОВ МЕТОДОМ SERS

2.1 Схема и состав экспериментальной установки

2.2 Выбор и обоснование параметров монохроматора

2.3 Регистрация поверхностно-усиленных рамановских спектров вирусных частиц

2.4 Выбор и обоснование параметров лазерного источника

2.4.1 Экспериментальное обоснование выбора длины волны лазерного излучения

2.4.2 Экспериментальное исследование влияния мощности лазерного излучения

2.4.3 Экспериментальное исследование влияния положения фокуса на интенсивность SERS-спектров

Выводы по главе

ГЛАВА 3. ДЕТЕКТИРОВАНИЕ ВИРУСНЫХ ЧАСТИЦ МЕТОДОМ ЛАЗЕРНОЙ ПОВЕРХНОСТНО-УСИЛЕННОЙ РАМАНОВСКОЙ СПЕКТРОСКОПИИ

3.1 Особенности спектров вирусов гриппа А и B в буферной среде STE153

3.2. Оценка чувствительности метода при разных концентрациях вируса гриппа A

3.3. Влияние методов инактивации на спектры вирусов

3.4. Детектирование аденовирусов методом SERS спектроскопии с применением дендритных подложек

Выводы по Главе

ГЛАВА 4. ПРИМЕНЕНИЕ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ КЛАССИФИКАЦИИ ДАННЫХ

4.1 Предобработка спектров: базовая линия и нормирование, обучающая и тестовая выборки

4.2 Алгоритмы классификации SERS-спектров

4.2.1 Метод главных компонент (PCA)

4.2.2 Метод опорных векторов (SVM) для анализа спектров

4.2.3 Метод случайного леса (Random Forest)

4.3 Дифференциация образцов на основе SERS спектров: вирус гриппа A / вирус гриппа B / чистая буферная среда

4.4 Определение предела обнаружения при различной концентрации вируса A

4.5. Анализ и дифференциация спектров инактивированных вирусов

4.6. Применение алгоритмов машинного обучения для анализа спектров аденовируса

Выводы по Главе

ЗАКЛЮЧЕНИЕ

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ 1 Документы, подтверждающие результаты интеллектуальной деятельности (РИД)

ПРИЛОЖЕНИЕ 2 Тексты публикаций автора по теме исследования

Введение диссертации (часть автореферата) на тему «Поверхностно-усиленная лазерная рамановская спектроскопия для детектирования и дифференциации респираторных вирусов с применением методов машинного обучения»

РЕФЕРАТ

Лазеры широко применяются в современной физике, технике, медицине и спектроскопии. До недавнего времени использование рамановской спектроскопии для детектирования вирусов в образцах представляло значительные трудности из-за невозможности обнаружения характерных пиков в спектрах, обусловленных сложным биохимическим составом вирусных частиц [1]. Однако развитие технологий в области поверхностно-усиленной лазерной рамановской спектроскопии (англ. Surface-Enhanced Raman Spectroscopy, SERS) и методов машинного обучения позволило создать новые инструменты для диагностики респираторных вирусных инфекций [2].

Традиционные методы обнаружения вирусов, такие как полимеразная цепная реакция (ПЦР) и иммуноферментный анализ (ИФА), обеспечивают высокую точность обнаружения, но характеризуются длительным временем выполнения, зависимостью от реагентов и высокой стоимостью [3]. В этой связи особое значение приобретает развитие диагностики на основе спектроскопии с применением лазерного излучения. SERS является перспективным инструментом, позволяющим регистрировать уникальные спектральные «отпечатки» вирусных частиц [4]. Использование лазеров как источников когерентного излучения с контролируемыми параметрами (длина волны, мощность, фокусировка) создаёт оптимальные условия для возбуждения плазмонов в наноструктурах на поверхности SERS-подложек и получения воспроизводимых спектров рамановского рассеяния. Сочетание SERS с алгоритмами машинного обучения открывает возможность автоматизированной классификации спектров, минимизации ложных результатов и формирования основ для экспресс-диагностики в клинической практике [5].

Поверхностно-усиленная рамановская спектроскопия основана на взаимодействии лазерного излучения с наноструктурами благородных металлов, чаще всего серебра или золота. Под действием электромагнитной волны в наночастицах металла возбуждаются коллективные колебания электронного газа — плазмоны [6], [7]. Колебания плазмонов приводят к возникновению вторичных электромагнитных волн, в результате чего на поверхности наночастиц формируется локально усиленное электромагнитное поле [7]. Если частота плазмонных колебаний совпадает с частотой возбуждающего лазерного излучения, возникает локализованный поверхностный плазмонный резонанс, обеспечивающий многократное усиление интенсивности рамановского рассеяния от образца в локальном поле [8].

Интенсивность электромагнитного поля убывает экспоненциально от поверхности наночастицы и затухает на расстоянии порядка 5-10 нм. Если вирусная частица оказывается в области действия усиленного поля, становится возможной регистрация поверхностно-усиленного рамановского спектра, особенности которого зависят от её биохимического состава [9]. Так как состав и структура оболочек отличаются у разных видов и штаммов вирусов, спектры также будут отличаться. На основе этих отличий возможно не только зафиксировать наличие вируса в образце (детектировать вирус), но и различать между собой разные типы вирусов (дифференцировать вирусы).

Однако в ряде случаев спектры вирусных частиц не содержат ярко выраженных пиков рамановского рассеяния, что затрудняет их прямую идентификацию. В таких условиях целесообразно применять методы машинного обучения для классификации спектральных данных вирусов [10]. Для этого формируется обучающая выборка спектров, по которой алгоритм «обучается» различать классы образцов, например, «вирус» и «контроль». Затем модель тестируется на новых данных, и на основе доли правильно классифицированных спектров определяется её точность. Такой подход позволяет существенно повысить

эффективность детектирования и дифференциации вирусов в биологических образцах.

Цель - исследование спектральных свойств биологических (вирусных) объектов для высокочувствительного детектирования и дифференциации респираторных вирусов на основе поверхностно-усиленной лазерной рамановской спектроскопии с использованием серебряных подложек и алгоритмов машинного обучения для анализа спектральных данных.

Для достижения поставленной цели решались следующие задачи:

1) Поиск и экспериментальное обоснование оптимальных параметров лазерной установки (длина волны, мощность излучения и фокусировки) для воспроизводимой регистрации SERS-спектров вирусных частиц при сохранении структурной целостности образцов;

2) Формирование базы данных экспериментальных SERS-спектров различных респираторных вирусов, полученных с использованием лазерного источника когерентного излучения;

3) Предобработка экспериментальных SERS-спектров и их классификация с применением методов машинного обучения для детектирования вирусных частиц в образце и дифференциации образцов с различными видами вирусов;

4) Комплексный сравнительный анализ SERS-спектров, полученных при варьировании параметров лазерного излучения и типа подложек, с целью выбора наиболее эффективных конфигураций для детектирования и дифференциации вирусных частиц.

Научная новизна работы заключается в том, что в ней впервые:

1) Впервые продемонстрировано, что поверхностно-усиленная лазерная рамановская спектроскопия с использованием гелий-неонового лазера с длиной волны 632,8 нм и наноструктурированных серебряных подложек в сочетании с

алгоритмами опорных векторов обеспечивает дифференциацию респираторных вирусов гриппа A и B с точностью 93 ± 5 %.

2) Предложен экспресс-метод оценки качества инактивации вирусных частиц для контроля производства вакцин, основанный на применении поверхностно-усиленной рамановской спектроскопии с использованием гелий-неонового лазера (с длиной волны 632,8 нм) и подложек с наночастицами серебра в сочетании с методом опорных векторов для спектрального анализа образцов, что обусловливает значительное сокращение времени, необходимого для проведения контроля качества вакцинных препаратов с двух дней до нескольких минут.

3) Впервые разработан метод, основанный на поверхностно-усиленной рамановской спектроскопии с использованием гелий-неонового лазера (632,8 нм), серебряных дендритных подложек и алгоритма случайного леса для спектрального анализа, позволяющий с точностью 92,6±0,7% детектировать наличие аденовирусов в образце на основе характерных признаков в SERS спектрах.

Научные положения, выносимые на защиту:

1) Метод поверхностно-усиленной рамановской спектроскопии с использованием излучения гелий-неонового лазера (632,8 нм, мощность 10 мкВт, время экспозиции 30 с), наноструктурированных серебряных подложек и алгоритма опорных векторов для спектральной обработки экспериментальных данных позволяет различать спектральные компоненты вируса гриппа A и вируса гриппа B с точностью 84±5% при сверхнизкой концентрации вирусного белка в образце 0,05 мкг/мл, соответствующей практической диагностике, и с точностью 93±5% при лабораторной концентрации вирусного белка в образце 200 мкг/мл.

2) Метод поверхностно-усиленной рамановской спектроскопии с использованием излучения гелий-неонового лазера (632,8 нм, мощность 10 мкВт, время экспозиции 30 с), наноструктурированных серебряных подложек и алгоритма опорных векторов позволяет различать спектральные компоненты не

инактивированных и инактивированных вирусов гриппа А с точностью 96% при химической инактивации формалином и бета-пропиолактоном и с точностью 80% при инактивации ультрафиолетовым излучением и концентрации вирусного белка в образцах 200 мкг/мл.

3) Метод поверхностно-усиленной рамановской спектроскопии с использованием излучения гелий-неонового лазера (632,8 нм, мощность 14 мкВт, время экспозиции 2 с), дендритных наноструктур серебра на кремниевой подложке и алгоритма случайного леса для спектральной обработки экспериментальных данных позволяет различать спектральные компоненты образцов без аденовируса и образцов с аденовирусом с точностью 92,6±0,7% при концентрации вирусного белка 1 мг/мл.

4) Лазерное излучение с длиной волны 632,8 нм, сфокусированное в пятно диаметром 1 мкм, в диапазоне мощности 3-300 мкВт, обеспечивает оптимальные условия для регистрации сигнала поверхностно-усиленного рамановского рассеяния суспензии вируса гриппа А на серебряной наноструктурированной подложке (размер наночастиц 50-400 нм), что позволяет получать воспроизводимые спектры без деградации образца при времени интегрирования 30 с.

Научная и практическая значимость работы

1) Практическая значимость исследования заключается в разработке методики экспресс-диагностики респираторных вирусов на основе поверхностно-усиленной лазерной рамановской спектроскопии (SERS) в сочетании с алгоритмами машинного обучения. Предложенный подход позволяет с высокой точностью и воспроизводимостью проводить дифференциацию вирусов гриппа A и B, а также детектировать аденовирусные частицы. Методика может быть использована в качестве альтернативы или дополнения к традиционным методам

диагностики (ПЦР, ИФА), обеспечивая сокращение времени анализа и снижение зависимости от расходных материалов и реагентов.

2) Работа имеет прикладное значение для медицинской промышленности: разработан способ спектрального контроля качества инактивации вирусов при производстве вакцин, позволяющий в короткие сроки проверять эффективность инактивации вирусных частиц. Реализация метода с использованием компактных спектрометров и SERS-подложек открывает возможности для его внедрения в клинические лаборатории и центры контроля качества биомедицинских препаратов.

Достоверность научных достижений

Достоверность результатов, полученных в диссертационной работе, обеспечивается использованием современного оборудования, общепринятых теоретических и экспериментальных методов лазерной спектроскопии, методов подготовки вируссодержащих образцов, надёжностью используемых методов классификации и машинного обучения, воспроизводимостью полученных экспериментальных результатов, согласованностью полученных теоретических результатов с собственными экспериментальными данными и данными других авторов.

Внедрение результатов работы

Результаты исследований были использованы при проведении работ по гранту Министерства науки и высшего образования Российской Федерации (проект 075-15-2021-1349) «Рентгеновские лазерные технологии в нано- и биоматериаловедении» в 2021-2024гг.

Апробация результатов работы

Материалы диссертационной работы представлялись, докладывались и

обсуждались на общероссийских и международных конференциях:

- XI Конгресс молодых ученых, КМУ, 2022, 04-08 апреля 2022, г. Санкт-Петербург, Россия

- 20th International Conference Laser Optics ICLO 2022, 20-24 июня 2022, г. Санкт-Петербург, Россия

- XII Конгресс молодых ученых, КМУ, 2023, 03-06 апреля 2023, г. Санкт-Петербург, Россия

- XIII Конгресс молодых ученых, КМУ, 2024, 08-16 апреля 2024, г. Санкт-Петербург, Россия

- 21th International Conference Laser Optics ICLO 2022, 01-05 июля 2024, г. Санкт-Петербург, Россия

- Курчатовский форум «Исследования с применением синхротронного излучения, нейтронов и электронов» (Курчатов ФСНЭ 2024), 21-23 ноября 2024, г. Москва, Россия

- XVII Международная молодежная научно-техническая конференция «Молодежь. Техника. Космос», 24-27 марта 2025, г. Санкт-Петербург, Россия

Публикации по теме:

Результаты диссертационного исследования опубликованы в 12 публикациях, в том числе 7 - в изданиях, которые включены в международные базы цитирования Web of Science и Scopus, 2 в иных изданиях, а также зарегистрировано 3 результата интеллектуальной деятельности (2 патента на изобретение и 1 база данных).

Личный вклад автора

Постановка цели и выбор задач диссертационного исследования, определение подходов и методов решения осуществлялись автором совместно с научным руководителем.

Анализ литературы, выбор технических решений, организация и проведение экспериментальных исследований, в том числе разработка программ и методик получения поверхностно-усиленных лазерных рамановских спектров вирусных частиц, обработка и анализ результатов осуществлены автором лично. Подготовка публикаций и презентаций осуществлялась диссертантом совместно с соавторами.

Структура и объём диссертации

Диссертационная работа состоит из введения, четырёх глав, заключения, перечня сокращений, списка литературы, включающего 190 наименований. Работа изложена на 207 страницах, содержит 48 рисунков и 9 таблиц.

Заключение диссертации по теме «Другие cпециальности», Табаров Артем Тимурович

ЗАКЛЮЧЕНИЕ

В настоящей диссертационной работе проведен комплекс теоретических и экспериментальных исследований, направленных на реализацию метода детектирования и дифференциации респираторных вирусов на основе поверхностно-усиленной лазерной рамановской спектроскопии (SERS) в сочетании с алгоритмами машинного обучения. Исследование было направлено на поиск оптимальных параметров лазерного излучения, обеспечивающих высокую воспроизводимость и чувствительность регистрации спектров вирусных частиц, а также на подбор алгоритмов машинного обучения для обработки данных, позволяющих достоверно классифицировать спектры различных типов вирусов.

В первой главе представлен обзор современных оптических методов диагностики вирусов, уделено внимание применению поверхностно-усиленной лазерной рамановской спектроскопии в вирусологии, обсуждены принципы функционирования SERS-подложек и особенности регистрации спектров. Проведен анализ существующих подходов к использованию машинного обучения для классификации спектральных данных, что позволило определить методологическую основу диссертационной работы.

Во второй главе представлены результаты экспериментов на лазерной установке для регистрации SERS-спектров вирусных частиц. Обоснован выбор параметров возбуждающего излучения, включая использование He-Ne-лазера с длиной волны 632,8 нм и оптимизацию плотности мощности для исключения фотодеструкции образцов. Показано, что предложенная конфигурация параметров лазерной спектрометрической установки обеспечивает регистрацию спектров с высоким отношением сигнал/шум и воспроизводимостью, достаточной для последующего анализа методами машинного обучения.

В третьей главе представлены результаты регистрации SERS-спектров различных образцов: вирусов гриппа A и B, аденовируса, а также буферной среды. Проведён качественный и количественный анализ спектров, определены

характерные пики. Представлены данные по воспроизводимости спектров на разных подложках. Полученные результаты продемонстрировали сложности при визуальной дифференциации спектров вирусных частиц от спектров буферной среды, а также выявили характерные различия между спектрами интактных и инактивированных вирусов.

В четвёртой главе исследована применимость алгоритмов машинного обучения для анализа полученных SERS-спектров. Установлено, что использование метода опорных векторов позволяет классифицировать спектры вирусов гриппа A и B с точностью 93 ± 5 %, а при анализе спектров интактных и инактивированных вирусов точность составляет 80 ± 19,4 % или 96 ± 6,7 % в зависимости от типа инактивации. Применение алгоритма Random Forest при детектировании аденовируса на дендритных подложках обеспечило точность классификации 92,6 ± 0,7 %, что свидетельствует о высокой эффективности предложенной комбинации методов.

Проведённые исследования подтвердили возможность применения лазерного излучения для решения задач биомедицинской диагностики. В работе показано, что использование поверхностно-усиленной лазерной рамановской спектроскопии в сочетании с алгоритмами машинного обучения обеспечивает воспроизводимую и высокоточную дифференциацию спектров вирусных частиц. Существенным научным результатом является экспериментальное обоснование влияния параметров лазерного излучения и морфологии наноструктурированных подложек на характеристики получаемых спектров. Показано, что оптимизация этих факторов позволяет достичь высокой точности классификации спектров вирусов гриппа А и вируса гриппа В и чистой буферной среды, что ранее не было реализовано в комплексном виде.

Практическая значимость работы определяется тем, что разработанный подход может быть применён для экспресс-диагностики вирусных инфекций, а

также для контроля качества инактивированных вирусных препаратов при производстве вакцин. Продемонстрированная точность метода, сопоставимая с традиционными лабораторными методами, открывает перспективы внедрения лазерной SERS-спектроскопии в клиническую практику.

Таким образом, диссертационная работа формирует научно обоснованную и экспериментально подтверждённую основу для использования методов лазерной физики и машинного обучения в биомедицинской диагностике. Полученные результаты вносят существенный вклад в развитие лазерной спектроскопии и открывают новые перспективы её применения для решения актуальных задач вирусологии и медицинской физики.

Список литературы диссертационного исследования кандидат наук Табаров Артем Тимурович, 2025 год

СПИСОК ЛИТЕРАТУРЫ

1. Shanmukh S. et al. Rapid and sensitive detection of respiratory virus molecular signatures using a silver nanorod array SERS substrate //Nano letters. -2006. - Т. 6. - №. 11. - С. 2630-2636.

2. Shan B. et al. Multiplexed nanomaterial-based sensor array for detection of COVID-19 in exhaled breath //ACS nano. - 2020. - Т. 14. - №. 9. -С. 12125-12132.

3. Mahony J. B. Detection of respiratory viruses by molecular methods //Clinical microbiology reviews. - 2008. - Т. 21. - №. 4. - С. 716-747.

4. He S. et al. Fast identification of influenza using label-free SERS combined with machine learning algorithm via clinical nasal swab samples //Analytical Methods. - 2025.

5. Savinon-Flores F. et al. A review on SERS-based detection of human virus infections: influenza and coronavirus //Biosensors. - 2021. - Т. 11. - №2. 3. -С. 66.

6. Fleischmann M., Hendra P. J., McQuillan A. J. Raman spectra of pyridine adsorbed at a silver electrode //Chemical physics letters. - 1974. - Т. 26. - №. 2. - С. 163-166.

7. Moskovits M. Surface-enhanced spectroscopy //Reviews of modern physics. - 1985. - Т. 57. - №. 3. - С. 783.

8. Le Ru E., Etchegoin P. Principles of Surface-Enhanced Raman Spectroscopy: and related plasmonic effects. - Elsevier, 2008.

9. Zhdanov G. et al. Nanoisland SERS-Substrates for Specific Detection and Quantification of Influenza A Virus //Biosensors. - 2023. - Т. 14. - №. 1. - С. 20.

10. Liu Y. et al. Extracting True Virus SERS Spectra and Augmenting Data for Improved Virus Classification and Quantification //ACS sensors. - 2025.

- Т. 10. - №. 6. - С. 3941-3952.

11. Smekal A. Zur quantentheorie der dispersion //Naturwissenschaften.

- 1923. - Т. 11. - №. 43. - С. 873-875.

12. Raman C. V., Krishnan K. S. A new type of secondary radiation //Nature. - 1928. - Т. 121. - №. 3048. - С. 501-502.

13. Сущинский М. М. Спектры комбинационного рассеяния молекул и кристаллов, Сущинский M. Л1, Изд. «Наука», Главная редакция физ.-матем. литературы, 1969, стр. 576.

14. Бутиков, Е. И. Оптика: учебное пособие / Е. И. Бутиков. — 3-е изд., доп. — Санкт-Петербург: Лань, 2022. — 608 с.

15. Шмидт В. Оптическая спектроскопия для химиков и биологов //М.: Техносфера. - 2007. - Т. 368. - С. 1.

16. Hammes G. G. Spectroscopy for the biological sciences. - John Wiley & Sons, 2005.

17. Tokita T., Takaya T., Iwata K. Development of a highly stable picosecond time-resolved Raman spectrometer near Fourier-transform limit with a femtosecond light source //Journal of Raman Spectroscopy. - 2021. - Т. 52. - №. 12. - С. 2051-2057.

18. Ember K. J. I. et al. Raman spectroscopy and regenerative medicine: a review //NPJ Regenerative medicine. - 2017. - Т. 2. - №. 1. - С. 12.

19. Soldevila F. et al. Fast compressive Raman bio-imaging via matrix completion //Optica. - 2019. - Т. 6. - №. 3. - С. 341-346.

20. Yogurtcu B. et al. A Review of Non-Destructive Raman Spectroscopy and Chemometric Techniques in the Analysis of Cultural Heritage //Molecules. -2024. - Т. 29. - №. 22. - С. 5324.

21. Kitahama Y. et al. Place & Play SERS: sample collection and preparation-free surface-enhanced Raman spectroscopy //Analytical Methods. -2023. - Т. 15. - №. 8. - С. 1028-1036.

22. Logan N., Lou-Franco J., Elliott C., Cao C. Handheld SERS coupled with QuEChERs for the sensitive analysis of pesticide residues in rice. npj Science of Food, 2021, 5(1): 1-10

23. Jones R. R. et al. Raman techniques: fundamentals and frontiers //Nanoscale research letters. - 2019. - Т. 14. - С. 1-34.

24. Smith E., Dent G. Modern Raman spectroscopy: a practical approach. - John Wiley & Sons, 2019.

25. Movasaghi Z., Rehman S., Rehman I. U. Raman spectroscopy of biological tissues //Applied Spectroscopy Reviews. - 2007. - Т. 42. - №. 5. - С. 493-541.

26. Lakowicz J. R. Radiative decay engineering: biophysical and biomedical applications //Analytical biochemistry. - 2001. - Т. 298. - №. 1. - С. 1-24.

27. Creighton J. A., Blatchford C. G., Albrecht M. G. Plasma resonance enhancement of Raman scattering by pyridine adsorbed on silver or gold sol particles of size comparable to the excitation wavelength //Journal of the Chemical Society, Faraday Transactions 2: Molecular and Chemical Physics. - 1979. - Т. 75. - С. 790-798.

28. Шлюкер С. Поверхностно-усиленная Рамановская спектроскопия (SERS): аналитические, биофизические и биомедицинские

приложения: Монография/Под ред. С. Шлюкера //М.: ТЕХНОСФЕРА. -2017.

29. Nanostructure-based plasmon-enhanced Raman spectroscopy for surface analysis of materials, Song Yuan Ding, Jun Yi et al., Nature Reviews Materials 2016 1:6, 1, 6, 4 2016

30. Nguyen H. H. et al. Surface plasmon resonance: a versatile technique for biosensor applications //Sensors. - 2015. - Т. 15. - №. 5. - С. 10481-10510.

31. Н. Г. Хлебцов, "Оптика и биофотоника наночастиц с плазмонным резонансом", Квантовая электроника, 38:6 (2008), 504-529 Quantum Electron., 38:6 (2008), 504-529

32. Rojas R., Claro F. Theory of surface enhanced Raman scattering in colloids //The Journal of chemical physics. - 1993. - Т. 98. - №. 2. - С. 998-1006.

33. Nie S., Emory S. R. Probing single molecules and single nanoparticles by surface-enhanced Raman scattering //science. - 1997. - Т. 275. - №. 5303. - С. 1102-1106.

34. Kneipp K. et al. Single molecule detection using surface-enhanced Raman scattering (SERS) //Physical review letters. - 1997. - Т. 78. - №. 9. - С. 1667.

35. Кукушкин В. И., Ваньков А. Б., Кукушкин И. В. К вопросу о дальнодействии поверхностно-усиленного рамановского рассеяния //Письма в Журнал экспериментальной и теоретической физики. - 2013. - Т. 98. - №. 2. - С. 72-77.

36. Huang Z. et al. Development and application of surface-enhanced Raman scattering (SERS) //Nanomaterials. - 2024. - Т. 14. - №. 17. - С. 1417.

37. Present and future of surface-enhanced Raman scattering, Judith Langer, Dorleta Jimenez de Aberasturi et al., ACS Nano, 14, 1, 1 2020

38. Tripp R. A., Dluhy R. A., Zhao Y. Novel nanostructures for SERS biosensing //Nano Today. - 2008. - T. 3. - №. 3-4. - C. 31-37.

39. Pilot R., Signorini R., Fabris L. Surface-enhanced Raman spectroscopy: Principles, substrates, and applications //Metal nanoparticles and clusters: advances in synthesis, properties and applications. - Cham: Springer International Publishing, 2017. - C. 89-164.

40. Wang X. et al. Fundamental understanding and applications of plasmon-enhanced Raman spectroscopy //Nature Reviews Physics. - 2020. - T. 2. - №. 5. - C. 253-271.

41. Otto A. The 'chemical'(electronic) contribution to surface-enhanced Raman scattering //Journal of Raman Spectroscopy: An International Journal for Original Work in all Aspects of Raman Spectroscopy, Including Higher Order Processes, and also Brillouin and Rayleigh Scattering. - 2005. - T. 36. - №. 6-7. -C. 497-509.

42. Persson B. N. J., Zhao K., Zhang Z. Chemical contribution to surface-enhanced Raman scattering //Physical review letters. - 2006. - T. 96. - №. 20. -C. 207401.

43. Guerra Hernández L. A., Reynoso A. A., Fainstein A. Does the chemical contribution have a secondary role in SERS? //Journal of the Optical Society of America B. - 2023. - T. 40. - №. 4. - C. C78-C85.

44. Han X. X. et al. Surface-enhanced Raman spectroscopy //Nature Reviews Methods Primers. - 2021. - T. 1. - №. 1. - C. 87.

45. Wang X. et al. Principles of surface-enhanced Raman spectroscopy //Principles and clinical diagnostic applications of surface-enhanced raman spectroscopy. - Elsevier, 2022. - С. 1-32. Книга

46. Tanabe K. Optical radiation efficiencies of metal nanoparticles for optoelectronic applications //Materials Letters. - 2007. - Т. 61. - №. 23-24. - С. 4573-4575.

47. Kelly K. L. et al. The optical properties of metal nanoparticles: the influence of size, shape, and dielectric environment //The Journal of Physical Chemistry B. - 2003. - Т. 107. - №. 3. - С. 668-677.

48. West, P.R.; Ishii, S.; Naik, G.V.; Emani, N.K.; Shalaev, V.M.; Boltasseva, A. Searching for better plasmonic materials. Laser Photonics Rev. 2010, 4, 795-808.

49. Messinger, B.J.; Von Raben, K.U.; Chang, R.K.; Barber, P.W. Local fields at the surface of noble-metal microspheres. Phys. Rev. B 1981, 24, 649-657.

50. Johnson, P.B.; Christy, R.W. Optical Constants of the Noble Metals. Phys. Rev. B 1972, 6, 4370-4379.

51. Palik, E.D. Handbook of Optical Constants of Solids; Academic Press, Inc.: New York, NY, USA, 1985

52. Sharma B. et al. SERS: Materials, applications, and the future //Materials today. - 2012. - Т. 15. - №. 1-2. - С. 16-25.

53. Cottancin E. et al. Optical properties of noble metal clusters as a function of the size: comparison between experiments and a semi-quantal theory //Theoretical Chemistry Accounts. - 2006. - Т. 116. - №. 4. - С. 514-523.

54. The Optical Properties of Metal Nanoparticles: The Influence of Size, Shape, and Dielectric Environment, K. Lance Kelly Eduardo Coronado Lin Lin Zhao George C. Schatz

55. Ringe E. et al. Plasmon length: a universal parameter to describe size effects in gold nanoparticles //The journal of physical chemistry letters. - 2012. -T. 3. - №. 11. - C. 1479-1483.

56. Lombardi J. R., Birke R. L. A unified view of surface-enhanced Raman scattering //Accounts of chemical research. - 2009. - T. 42. - №. 6. - C. 734-742.

57. Shiohara A., Wang Y., Liz-Marzan L. M. Recent approaches toward creation of hot spots for SERS detection //Colloidal synthesis of plasmonic nanometals. - 2020. - C. 563-622.

58. Zhao L. L., Kelly K. L., Schatz G. C. The extinction spectra of silver nanoparticle arrays: influence of array structure on plasmon resonance wavelength and width //The Journal of Physical Chemistry B. - 2003. - T. 107. - №. 30. - C. 7343-7350.

59. Moreau A. et al. Controlled-reflectance surfaces with film-coupled colloidal nanoantennas //Nature. - 2012. - T. 492. - №. 7427. - C. 86-89.

60. Huebner U. et al. Fabrication and characterization of silver deposited micro fabricated quartz arrays for surface enhanced Raman spectroscopy (SERS) //Microelectronic Engineering. - 2011. - T. 88. - №. 8. - C. 1761-1763.

61. Wei H., Xu H. Hot spots in different metal nanostructures for plasmon-enhanced Raman spectroscopy //Nanoscale. - 2013. - T. 5. - №. 22. - C. 10794-10805.

62. Malerba M. et al. 3D vertical nanostructures for enhanced infrared plasmonics //Scientific reports. - 2015. - T. 5. - №. 1. - C. 16436.

63. Wu Y., Li G., Camden J. P. Probing nanoparticle plasmons with electron energy loss spectroscopy //Chemical reviews. - 2017. - T. 118. - №. 6. -C. 2994-3031.

64. Bandarenka H. V. et al. Formation regularities of plasmonic silver nanostructures on porous silicon for effective surface-enhanced Raman scattering //Nanoscale research letters. - 2016. - T. 11. - C. 1-11.

65. Njoki P. N. et al. Size correlation of optical and spectroscopic properties for gold nanoparticles //The Journal of Physical Chemistry C. - 2007. -T. 111. - №. 40. - C. 14664-14669.

66. Guler U., Turan R. Effect of particle properties and light polarization on the plasmonic resonances in metallic nanoparticles //Optics express. - 2010. -T. 18. - №. 16. - C. 17322-17338.

67. Haynes C. L. et al. Surface-enhanced Raman sensors: early history and the development of sensors for quantitative biowarfare agent and glucose detection //Journal of Raman Spectroscopy: An International Journal for Original Work in all Aspects of Raman Spectroscopy, Including Higher Order Processes, and also Brillouin and Rayleigh Scattering. - 2005. - T. 36. - №. 6-7. - C. 471-484.

68. Haynes C. L., Van Duyne R. P. Plasmon-sampled surface-enhanced Raman excitation spectroscopy //The Journal of Physical Chemistry B. - 2003. -T. 107. - №. 30. - C. 7426-7433.

69. Kottmann J. P. et al. Field polarization and polarization charge distributionsin plasmon resonant nanoparticles //New Journal of Physics. - 2000. - T. 2. - №. 1. - C. 27.

70. Kovacs G. J. et al. Distance dependence of SERS enhancement factor from Langmuir-Blodgett monolayers on metal island films: evidence for the electromagnetic mechanism //Langmuir. - 1986. - T. 2. - №. 6. - C. 689-694.

71. Kennedy B. J. et al. Determination of the distance dependence and experimental effects for modified SERS substrates based on self-assembled monolayers formed using alkanethiols //The Journal of Physical Chemistry B. -1999. - T. 103. - №. 18. - C. 3640-3646.

72. Aroca R. Surface-enhanced vibrational spectroscopy. - John Wiley & Sons, 2006.

73. Xi W., Shrestha B. K., Haes A. J. Promoting intra-and intermolecular interactions in surface-enhanced Raman scattering //Analytical chemistry. - 2017.

- T. 90. - №. 1.

74. Chulhai D. V., Chen X., Jensen L. Simulating ensemble-averaged surface-enhanced Raman scattering //The Journal of Physical Chemistry C. - 2016.

- T. 120. - №. 37. - C. 20833-20842.

75. Aprá E., Bhattarai A., El-Khoury P. Z. Gauging molecular orientation through time domain simulations of surface-enhanced raman scattering //The Journal of Physical Chemistry A. - 2019. - T. 123. - №. 32. - C. 7142-7147.

76. Dressler D. H. et al. Surface-enhanced Raman spectroscopy as a probe for orientation of pyridine compounds on colloidal surfaces //Journal of molecular structure. - 2009. - T. 935. - №. 1-3. - C. 92-96.

77. Ashtari-Jafari S., Jamshidi Z. How do adsorbent orientation and direction of external electric field affect the charge-transfer surface-enhanced raman spectra? //The Journal of Physical Chemistry C. - 2021. - T. 125. - №. 24.

- C. 13382-13390.

78. Ma H. et al. Surface-enhanced Raman spectroscopy: current understanding, challenges, and opportunities //ACS nano. - 2024. - T. 18. - №2. 22.

- C. 14000-14019.

79. Sivashanmugan K. et al. Focused-ion-beam-fabricated Au/Ag multilayered nanorod array as SERS-active substrate for virus strain detection //Sensors and Actuators B: Chemical. - 2013. - T. 181. - C. 361-367.

80. Zhao Y. On the Measurements of the Surface-Enhanced Raman Scattering Spectrum: Effective Enhancement Factor, Optical Configuration, Spectral Distortion, and Baseline Variation //Nanomaterials. - 2023. - T. 13. - №. 23. - C. 2998.

81. Label-Free Detection of Virus-like Particles with Surface-Enhanced Raman Spectroscopy through Analyte Localization and Polymer-Enabled CapturePDF, Cassandra L. Wouters, Mahmoud Matar Abed et al. Analytical Chemistry, 96, 25, 6 2024

82. Hickey M. E., Gao S., He L. Comparison of label-free and label-based approaches for surface-enhanced Raman microscopic imaging of bacteria cells //Analytical Science Advances. - 2020. - T. 1. - №. 4. - C. 245-253.

83. Lin Y. Y. et al. Target-size embracing dimension for sensitive detection of viruses with various sizes and influenza virus strains //Biosensors and Bioelectronics. - 2012. - T. 35. - №. 1. - C. 447-451.

84. Yang Y. et al. Rapid and quantitative detection of respiratory viruses using surface-enhanced Raman spectroscopy and machine learning //Biosensors and Bioelectronics. - 2022. - T. 217. - C. 114721

85. Ricker R. A. et al. Rapid and label-free influenza A virus subtyping using surface-enhanced Raman spectroscopy with incident-wavelength analysis //Biomedical Optics Express. - 2024. - T. 15. - №. 9. - C. 5081-5097.

86. Kistenev Y. V. et al. Label-free laser spectroscopy for respiratory virus detection: A review //Journal of Biophotonics. - 2022. - T. 15. - №. 10. - C. e202200100.

87. Rapid and sensitive detection of nucleoprotein SARS-CoV-2 virus: SERS vs ELISA, Landysh I. Fatkhutdinova, Ekaterina Babich et al., Photonics and Nanostructures - Fundamentals and Applications, 57, 12 2023

88. Paria D. et al. Label-free spectroscopic SARS-CoV-2 detection on versatile nanoimprinted substrates //Nano letters. - 2022. - T. 22. - №. 9. - C. 3620-3627.

89. Xia J. et al. Application of SERS in the Detection of Fungi, Bacteria and Viruses //Nanomaterials. - 2022. - T. 12. - №. 20. - C. 3572.

90. Wang J. et al. Gold nanoparticles in virus detection: Recent advances and potential considerations for SARS-CoV-2 testing development //Wiley Interdisciplinary Reviews: Nanomedicine and Nanobiotechnology. - 2022. - T. 14. - №. 1. - C. e1754.

91. Shrivastav A.M., Cvelbar U., Abdulhalim I. A comprehensive review on plasmonic-based biosensors used in viral diagnostics // Communications Biology. 2021. Vol. 4. P. 70. DOI: 10.1038/s42003-020-01615-8

92. Bantz K.C. et al. Recent progress in SERS biosensing // Phys. Chem. Chem. Phys. 2011. Vol. 13. P. 1551-11567

93. Le Ru E.C. et al. Surface enhanced Raman scattering enhancement factors: a comprehensive study // J. Phys. Chem. C. 2007. Vol. 111. P. 1379413803

94. Maneeprakorn W. et al. Surface-enhanced Raman scattering based lateral flow immunochromatographic assay for sensitive influenza detection // RSC Adv. 2016. Vol. 6. P. 112079-112085

95. Xu H. et al. Unified treatment of fluorescence and Raman scattering processes near metal surfaces // Phys. Rev. Lett. 2004. Vol. 93. P. 1-4

96. Qiu G. et al. Dual-functional plasmonic photothermal biosensors for highly accurate severe acute respiratory syndrome Coronavirus 2 detection // ACS Nano. 2020. Vol. 14. P. 5268-5277

97. Zhang H. et al. Surface-enhanced Raman scattering detection of DNAs derived from virus genomes using au-coated paramagnetic nanoparticles // Langmuir. 2012. Vol. 28. P. 4030-4037

98. Hardy M., Chu H. O. M. Laser Wavelength Selection in Raman Spectroscopy //Analyst. - 2025.

99. Ferraro J. R. Introductory raman spectroscopy. - Elsevier, 2003.

100. Rostron P., Gaber S., Gaber D. Raman spectroscopy, review //laser. -2016. - Т. 21. - С. 24.

101. Звелто О. Принципы лазеров. - Мир, 1990.

102. Brosseau C. L. et al. Electrochemical surface-enhanced Raman spectroscopy //Nature Reviews Methods Primers. - 2023. - Т. 3. - №. 1. - С. 79.

103. Tuschel D. Selecting an excitation wavelength for Raman spectroscopy. - 2016.

104. Zheng X. et al. Laser-induced growth of monodisperse silver nanoparticles with tunable surface plasmon resonance properties and a wavelength self-limiting effect //The Journal of Physical Chemistry C. - 2007. - Т. 111. - №. 41. - С. 14962-14967.

105. Scheffler C. M., Word R. C., Könenkamp R. Controlling electric field and photoemission at the tips of triangular gold antennas //Plasmonics. - 2021. -Т. 16. - №. 2. - С. 371-377.

106. Asher S. A., Johnson C. R. Raman spectroscopy of a coal liquid shows that fluorescence interference is minimized with ultraviolet excitation //Science. -1984. - T. 225. - №. 4659. - C. 311-313.

107. Surface-enhanced Raman scattering from Au nanorods, nanotriangles, and nanostars with tuned plasmon resonances, Boris N. Khlebtsov, Andrey M. Burov et al., Physical Chemistry Chemical Physics, 25, 45, 11 2023

108. Lorenz B. et al. Comparison of conventional and shifted excitation Raman difference spectroscopy for bacterial identification //Journal of Raman Spectroscopy. - 2022. - T. 53. - №. 7. - C. 1285-1292.

109. Pérez-Jiménez A. I. et al. Surface-enhanced Raman spectroscopy: benefits, trade-offs and future developments //Chemical science. - 2020. - T. 11. - №. 18. - C. 4563-4577.

110. Doherty M. D. et al. Surface-Enhanced Raman Scattering from Metallic Nanostructures: Bridging the Gap between the Near-Field and Far-Field Responses //Physical Review X. - 2013. - T. 3. - №. 1. - C. 011001.

111. Doherty M. D. et al. Wavelength dependence of Raman enhancement from gold nanorod arrays: quantitative experiment and modeling of a hot spot dominated system //The Journal of Physical Chemistry C. - 2010. - T. 114. - №. 47. - C. 19913-19919.

112. Butler H. J. et al. Using Raman spectroscopy to characterize biological materials //Nature protocols. - 2016. - T. 11. - №. 4. - C. 664-687.

113. Olavarría-Fullerton J, Velez RA, Wells S, Sepaniak MJ, Hernández-Rivera SP, De Jesús MA. Design and Characterization of Hybrid Morphology Nanoarrays as Plasmonic Raman Probes for Antimicrobial Detection. Applied Spectroscopy. 2013;67(11): 1315-1322. doi:10.1366/13-07001

114. Cui L. et al. Charge-transfer enhancement involved in the SERS of adenine on Rh and Pd demonstrated by ultraviolet to visible laser excitation //The Journal of Physical Chemistry C. - 2010. - T. 114. - №. 39. - C. 16588-16595.

115. Jha S. K. et al. Deep-UV surface-enhanced resonance Raman scattering of adenine on aluminum nanoparticle arrays //Journal of the American Chemical Society. - 2012. - T. 134. - №. 4. - C. 1966-1969.

116. Schultz Z. Not Too Hot: The Importance of Optimizing Laser Power for Surface-Enhanced Raman Spectroscopy (SERS) Measurements. - 2021.

117. Gladskikh, P.V., Gladskikh, I.A., Baranov, M.A. et al. Ablation and Fragmentation of Gold Nanoparticles under Intense Laser Irradiation in the Spectral Regions of the Dipole and Quadrupole Plasmon Resonances. Opt. Spectrosc. 128, 713-718 (2020).

118. Heating effects of low power surface plasmon resonance sensors, F. Galvez, D. Pérez de Lara et al., Sensors and Actuators B: Chemical, 243, 5 2017

119. Lafuente M. et al. Exploring the surface-enhanced Raman scattering (SERS) activity of gold nanostructures embedded around nanogaps at wafer scale: Simulations and experiments //Applied Materials Today. - 2023. - T. 35. - C. 101929.

120. Lafiosca P. et al. Qm/classical modeling of surface enhanced Raman scattering based on atomistic electromagnetic models //Journal of Chemical Theory and Computation. - 2023. - T. 19. - №. 12. - C. 3616-3633.

121. Aroca R. F., Clavijo R. E., Halls M. D., Schlegel H. B. Surface-enhanced Raman spectra of phthalimide. Interpretation of the SERS spectra of the surface complex formed on silver islands and colloids // J. Phys. Chem. A. 2000. Vol. 104, No. 42. P. 9500-9505.

122. Itoh T. et al. Correlated measurements of plasmon resonance Rayleigh scattering and surface-enhanced resonance Raman scattering using a dark-field microspectroscopic system //Journal of Photochemistry and Photobiology A: Chemistry. - 2006. - T. 183. - №. 3. - C. 322-328.

123. Roa S. et al. Laser polarization as a critical factor in the SERS-based molecular sensing performance of nano-gapped Au nanowires //Nanoscale. - 2024.

- T. 16. - №. 32. - C. 15280-15297.

124. Chen X. et al. Analysis and differentiation of seminal plasma via polarized SERS spectroscopy //International journal of nanomedicine. - 2012. - C. 6115-6121.

125. Etchegoin P. G., Galloway C., Le Ru E. C. Polarization-dependent effects in surface-enhanced Raman scattering (SERS) //Physical chemistry chemical physics. - 2006. - T. 8. - №. 22. - C. 2624-2628.

126. Chen L. et al. Polarization-dependent SERS effects of laser-generated sub-100 nm antenna structures //Nanotechnology. - 2014. - T. 25. - №. 26. - C. 265302.

127. Xiao C. et al. SERS polarization-independent performance of two-dimensional sinusoidal silver grating //Applied Physics Letters. - 2018. - T. 113.

- №. 17.

128. Fazio B. et al. Re-radiation enhancement in polarized surface-enhanced resonant Raman scattering of randomly oriented molecules on self-organized gold nanowires //Acs Nano. - 2011. - T. 5. - №. 7. - C. 5945-5956.

129. Zhou L. et al. Size-tunable gold aerogels: a durable and misfocus-tolerant 3D substrate for multiplex SERS detection //Advanced Optical Materials.

- 2021. - T. 9. - №. 17. - C. 2100352.

130. Nekvapil F, Farcau C. The role of focused laser plasmonics in shaping SERS spectra of molecules on nanostructured surfaces. Nanoscale Adv. 2025 Apr 3.

131. Kelf T. A. et al. Localized and delocalized plasmons in metallic nanovoids //Physical Review B—Condensed Matter and Materials Physics. - 2006.

- T. 74. - №. 24. - C. 245415.

132. Ilchenko O. et al. Wide Line Surface-Enhanced Raman Scattering Mapping //Advanced Materials Technologies. - 2020. - T. 5. - №. 6. - C. 1900999.

133. Funfschilling J, Williams DF. CW Laser Wavelength Modulation in Raman and Site Selection Fluorescence Spectroscopy. Applied Spectroscopy. 1976;30(4):443-446.

134. Chang H. et al. In vivo surface-enhanced Raman scattering techniques: nanoprobes, instrumentation, and applications //Light: Science & Applications. -2025. - T. 14. - №. 1. - C. 79.

135. Sreekanth K. V. et al. Tunable Tamm plasmon cavity as a scalable biosensing platform for surface enhanced resonance Raman spectroscopy //Nature Communications. - 2023. - T. 14. - №. 1. - C. 7085.

136. D'Elia V. et al. Ultraviolet resonance Raman spectroscopy for the detection of cocaine in oral fluid //Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy. - 2018. - T. 188. - C. 338-340.

137. Malkovskiy A. V. et al. Salivary thiocyanate as a biomarker of cystic fibrosis transmembrane regulator function //Analytical Chemistry. - 2019. - T. 91.

- №. 12. - C. 7929-7934.

138. Harris G. et al. Raman spectroscopy spectral fingerprints of biomarkers of traumatic brain injury //Cells. - 2023. - T. 12. - №. 22. - C. 2589.

139. Ossig R. et al. Naturally grown Ag nanoparticles on quartz substrates as SERS substrate excited by a 488 nm diode laser system for SERDS //Applied Physics B. - 2012. - T. 106. - C. 835-839.

140. Lim J. et al. Identification of newly emerging influenza viruses by surface-enhanced Raman spectroscopy //Analytical chemistry. - 2015. - T. 87. -№. 23. - C. 11652-11659.

141. Paria D. et al. Label-free spectroscopic SARS-CoV-2 detection on versatile nanoimprinted substrates //Nano letters. - 2022. - T. 22. - №. 9. - C. 3620-3627

142. Ju, Y., Neumann, O., Bajomo, M., Zhao, Y., Nordlander, P., Halas, N. J., & Patel, A. (2023). Identifying surface-enhanced raman spectra with a raman library using machine learning. ACS nano, 17(21), 21251-21261.

143. Zhang Z. et al. A novel enhanced substrate for label-free detection of SARS-CoV-2 based on surface-enhanced Raman scattering //Sensors and Actuators B: Chemical. - 2022. - T. 359. - C. 131568.

144. Chang C. W. et al. Non-labeled virus detection using inverted triangular Au nano-cavities arrayed as SERS-active substrate //Sensors and Actuators B: Chemical. - 2011. - T. 156. - №. 1. - C. 471-478.

145. Lin Y. Y. et al. Focused ion beam-fabricated Au micro/nanostructures used as a surface enhancedRaman scattering-active substrate for trace detection of molecules and influenzavirus //Nanotechnology. - 2011. - T. 22. - №. 18. - C. 185308.

146. Eom G. et al. Superb specific, ultrasensitive, and rapid identification of the Oseltamivir-resistant H1N1 virus: Naked-eye and SERS dual-mode assay using functional gold nanoparticles //ACS Applied Bio Materials. - 2019. - T. 2. - №. 3. - C. 1233-1240.

147. Kitahama Y., Martinez Pancorbo P., Segawa H., et al. Place & Play SERS: sample collection and preparation-free surface-enhanced Raman spectroscopy. Analytical Methods, 2023, 15(3): 345-352

148. Liu L., Martinez Pancorbo P., Xiao T.-H., et al. Highly scalable, wearable surface-enhanced Raman spectroscopy. ACS Applied Materials & Interfaces, 2022, 14(12): 14567-14575

149. Xu Z., Jiang J., Wang X., et al. Large-area, uniform and low-cost dualmode plasmonic naked-eye colorimetry and SERS sensor with handheld Raman spectrometer. Nanoscale, 2016, 8(6): 2912-2920

150. Gahlaut S. K. et al. SERS platform for dengue diagnosis from clinical samples employing a hand held Raman spectrometer //Analytical chemistry. -2020. - T. 92. - №. 3. - C. 2527-2534.

151. Guo S., Popp J., Bocklitz T. Key Steps in the Workflow to Analyze Raman Spectra. - 2023.

152. Innovative and versatile surface-enhanced Raman spectroscopy-inspired approaches for viral detection leading to clinical applications: A review, Jaya Sitjar, Jiunn Der Liao et al., Analytica Chimica Acta, 1325, 10 2024

153. Lasch P. Spectral pre-processing for biomedical vibrational spectroscopy and microspectroscopic imaging //Chemometrics and Intelligent Laboratory Systems. - 2012. - T. 117. - C. 100-114.

154. New data preprocessing trends based on ensemble of multiple preprocessing techniques, Puneet Mishra, Alessandra Biancolillo et al., TrAC Trends in Analytical Chemistry, 132, 11 2020.

155. Preprocessing of spectral data in the extended multiplicative signal correction framework using multiple reference spectra, Joakim Skogholt, Kristian Hovde Liland et al., Journal of Raman Spectroscopy, 50, 3, 3 2019

156. Skogholt J., Liland K. H., Indahl U. G. Preprocessing of spectral data in the extended multiplicative signal correction framework using multiple reference spectra //Journal of Raman Spectroscopy. - 2019. - T. 50. - №. 3. - C. 407-417.

157. Rinnan A. et al. Data pre-processing //Infrared spectroscopy for food quality analysis and control. - 2009. - T. 2009. - C. 29-50.

158. Verboven S., Hubert M., Goos P. Robust preprocessing and model selection for spectral data //Journal of Chemometrics. - 2012. - T. 26. - №. 6. - C. 282-289.

159. Zhou H., Xu L., Zhu J., Liang Y., Ren B. Machine learning-augmented surface-enhanced spectroscopy toward next-generation molecular diagnostics // Nanoscale Advances. - 2023. - Vol. 5, No. 2. - P. 538-570.

160. Lemes N. H. T. et al. Smoothing and differentiation of data by Tikhonov and fractional derivative tools, applied to surface-enhanced Raman scattering (SERS) spectra of crystal violet dye //Journal of Chemometrics. - 2023.

- T. 37. - №. 10. - C. e3507.

161. Rahman M.H.-U., Sikder R., Tripathi M., Zahan M., Ye T., Gnimpieba Z.E., Jasthi B.K., Dalton A.B., Gadhamshetty V. Machine Learning-Assisted Raman Spectroscopy and SERS for Bacterial Pathogen Detection: Clinical, Food Safety, and Environmental Applications // Chemosensors. - 2024.

- Vol. 12, No. 7. - Article 140.

162. Jayaprakash V., You J.B., Kanike C., Liu J., McCallum C., Zhang X. Determination of Trace Organic Contaminant Concentration via Machine Classification of Surface-Enhanced Raman Spectra // arXiv preprint arXiv:2402.00197. - 2024.

163. Ali N. et al. Sample-size planning for multivariate data: a Raman-spectroscopy-based example //Analytical chemistry. - 2018. - T. 90. - №. 21. - C. 12485-12492.

164. SERSNet: Surface-Enhanced Raman Spectroscopy Based Deep Learning Framework for Bacterial Identification // PLOS ONE. - 2021. - Vol. 16, No. 12. - Article e0261232

165. Zaki J.K., Tomasik J., McCune J.A., Bahn S., Lio P., Scherman O.A. Explainable Deep Learning Framework for SERS Bio-quantification // arXiv preprint arXiv:2411.08082. - 2024

166. Machine Learning-Assisted Surface-Enhanced Raman Spectroscopy for Rapid Detection of Pathogens // Analytical Chemistry. - 2023. - Vol. 95, No. 3. - P. 1234-1242.

167. Deep learning and artificial intelligence methods for Raman and surface-enhanced Raman scattering // TrAC Trends in Analytical Chemistry. -2020. - Vol. 124. - Article 115796

168. Baddal B., Taner F., Uzun Ozsahin D. Harnessing of artificial intelligence for the diagnosis and prevention of hospital-acquired infections: a systematic review //Diagnostics. - 2024. - T. 14. - №. 5. - C. 484.

169. Szymborski T. R. et al. Machine Learning for COVID-19 Determination Using Surface-Enhanced Raman Spectroscopy //Biomedicines. -2024. - T. 12. - №. 1. - C. 167.

170. Srivastava S. et al. Machine learning-assisted surface-enhanced Raman spectroscopy detection for environmental applications: a review //Environmental Science & Technology. - 2024. - T. 58. - №. 47. - C. 2083020848.

171. Yang Y. et al. Detection of SARS-CoV-2 in patient specimens by surface enhanced Raman spectroscopy and deep learning //Optical Sensing and Detection VIII. - SPIE, 2024. - T. 12999. - C. 273-283.

172. Hu W. et al. Machine learning protocol for surface-enhanced raman spectroscopy //The journal of physical chemistry letters. - 2019. - T. 10. - №. 20.

- C. 6026-6031.

173. Ma H. et al. Rapidly determining the 3D structure of proteins by surface-enhanced Raman spectroscopy //Science Advances. - 2023. - T. 9. - №. 47. - C. eadh8362.

174. Cialla-May D. et al. Biomedical SERS-the current state and future trends //Chemical Society Reviews. - 2024.

175. Zhu J., Li J., Zhao J. Tuning the wavelength drift between resonance light absorption and scattering of plasmonic nanoparticle //Applied Physics Letters.

- 2011. - T. 99. - №. 10.

176. Chen Z. et al. Gold nanoparticles-modified tapered fiber nanoprobe for remote SERS detection //IEEE Photonics Technology Letters. - 2014. - T. 26.

- №. 8. - C. 777-780.

177. Zhang, H., Harpster, M. H., Park, H. J., Johnson, P. A., & Wilson, W. C. (2011). Surface-Enhanced Raman Scattering Detection of DNA Derived from the West Nile Virus Genome Using Magnetic Capture of Raman-Active Gold Nanoparticles. Analytical Chemistry, 83(1), 254-260. doi:10.1021/ac1023843

178. Brosseau, C.L., Colina, A., Perales-Rondon, J.V. et al. Electrochemical surface-enhanced Raman spectroscopy. Nat Rev Methods Primers 3, 79 (2023).

179. Chalmers J. M., Hannah R. W., Mayo D. W. Spectra-structure correlations: Polymer spectra //Handbook of vibrational spectroscopy. - 2002. - T.

4. - C. 1893-1918., Socrates G. Infrared and Raman characteristic group frequencies: tables and charts. - John Wiley & Sons, 2004.

180. Sobocinski R. L., Pemberton J. E. Determination of alcohol solvent orientation and bonding at silver electrodes using surface-enhanced Raman scattering: methanol, ethanol, 1-propanol, and 1-pentanol //Langmuir. - 1992. - T. 8. - №. 8. - C. 2049-2063.

181. Tarasov M. et al. Characterization of inactivated influenza vaccines used in the Russian national immunization program //Vaccines. - 2020. - T. 8. -№. 3. - C. 488.

182. Seifert S. Application of random forest based approaches to surface-enhanced Raman scattering data //Scientific reports. - 2020. - T. 10. - №. 1. - C. 5436.

183. Kordyukova L. V. et al. Structural and immunoreactivity properties of the SARS-coV-2 spike protein upon the development of an inactivated vaccine //Viruses. - 2023. - T. 15. - №. 2. - C. 480.

184. Herrera-Rodriguez J. et al. Inactivated or damaged? Comparing the effect of inactivation methods on influenza virions to optimize vaccine production //Vaccine. - 2019. - T. 37. - №. 12. - C. 1630-1637.

185. Sheka E. F., Golubev Y. A., Popova N. A. Graphene domain signature of Raman spectra of sp 2 amorphous carbons //Nanomaterials. - 2020. - T. 10. -№. 10. - C. 2021.

186. Kuhar N. et al. Challenges in application of Raman spectroscopy to biology and materials //RSC advances. - 2018. - T. 8. - №. 46. - C. 25888-25908.

187. Brereton R. G., Lloyd G. R. Support vector machines for classification and regression //Analyst. - 2010. - T. 135. - №. 2. - C. 230-267.

188. Tabarov A. et al. Detection of A and B influenza viruses by surface-enhanced Raman scattering spectroscopy and machine learning //Biosensors. -2022. - Т. 12. - №. 12. - С. 1065.

189. Tabarov A. et al. Detection of adenovirus using dendritic silver substrates combined with SERS and random forest algorithms //Applied Surface Science. - 2025. - Т. 682. - С. 161771.

190. Ksi<?zopolska-Gocalska M. et al. Method for depositing metal nanoparticles on a surface in the eloctrochemical process, surface obtained by this method and its application: пат. - 2021.