SERS (Surface-Enhanced Raman Scattering) wszedł w 2026 rok jako jedna z najszybciej rozwijających się gałęzi spektroskopii Ramana — z naciskiem na elastyczne podłoża plazmoniczne, integrację z modelami głębokiego uczenia oraz pierwsze wdrożenia w terapii lekowej. W Gekko Photonics projektujemy i produkujemy w Polsce procesowe analizatory Ramana (Spectrally X1 INLINE, LAB, PORTABLE) wraz z platformą software Spectrally OS. Sami nie deklarujemy portfolio referencyjnego w farmacji — najwięcej wdrożeń mamy w chemii procesowej (żywice fenolowo-formaldehydowe, kosmetyki, nawozy, węglowodory). W obszarze farmaceutycznym wchodzimy projektowo: na próbkach klienta sprawdzamy w cyklu feasibility, czy Raman lub SERS jest właściwą metodą dla danego analitu i matrycy, zanim klient zaangażuje CAPEX. Poniżej zbieramy najważniejsze nowości publikowane w ostatnich tygodniach.

Czym SERS różni się od klasycznego Ramana

Klasyczny pomiar Ramana opiera się na nieelastycznym rozpraszaniu fotonów na drganiach molekularnych. Sygnał jest słaby — typowo jeden foton ramanowski na 10⁶–10⁸ fotonów wzbudzających. To wystarcza, gdy analit jest w stężeniach procentowych (np. wolny formaldehyd w żywicy, mocznik w nawozie), ale staje się ograniczeniem przy substancjach śladowych — metabolitach leków, zanieczyszczeniach poreakcyjnych, lekach w surowicy.

SERS wykorzystuje wzmocnienie pola elektromagnetycznego w pobliżu metalicznych nanostruktur (najczęściej Au, Ag) — w tzw. hot spots sygnał ramanowski rośnie o rzędy wielkości (literaturowo nawet 10⁶–10⁸×, choć w realnych aplikacjach analitycznych częściej 10³–10⁵×). Pozwala to detekować stężenia nanomolowe i pikomolowe — czyli pojawia się okno, w którym Raman zaczyna konkurować z LC-MS w określonych zadaniach screeningu i monitoringu.

Nowości 2026 — elastyczne podłoża SERS

Rok 2025 i pierwsza połowa 2026 były zdominowane przez prace nad elastycznymi substratami SERS. To dlatego, że sztywne podłoża krzemowe lub szklane sprawdzają się w laboratorium, ale są niepraktyczne w warunkach przemysłowych — nie owijają nieregularnych powierzchni, łatwo pękają, kosztują dużo w przeliczeniu na pomiar.

W bieżących publikacjach pojawiają się m.in.:

• Membrany PVDF szczepione stopem Au–Ag z nanorurkami węglowymi — z deklarowaną granicą wykrywalności rzędu 10⁻¹¹ M i RSD poniżej 10%. Substrat elastyczny, można nim owijać próbki o nieregularnym kształcie.
• Plastry SERS na bazie nanostruktur Ag — koncept w stylu „taśmy klejącej” do pobierania śladów analitu z powierzchni i pomiaru ex situ.
• Substraty noszone (wearable) z porowatymi szkieletami HOF (Hydrogen-Bonded Organic Frameworks) i nanopłytkami Au — koncept stanowiska do wykrywania resztek leków cytostatycznych na powierzchniach roboczych i opakowaniach.
• Tkaniny poliamidowe z osadzonym srebrem jako wielokrotnie używalny substrat do śladowych zanieczyszczeń — kierunek wymuszony rosnącymi kosztami nanofabrykacji.

Wspólnym mianownikiem jest próba zejścia z laboratorium na poziom „field-ready” — z możliwością integracji z przenośnym spektrometrem Ramana.

SERS plus deep learning — przełom w interpretacji widm

Drugą gałęzią wzrostu jest integracja SERS z modelami głębokiego uczenia. Powód jest praktyczny: widmo SERS niesie ogromną ilość informacji molekularnej, ale jest też wyjątkowo podatne na wahania spowodowane geometrią hot spotów, orientacją cząsteczki względem powierzchni, dryfem temperatury i właściwościami matrycy. Klasyczna chemometria (PLS, PCR) działa, ale ma swoje sufity przy bardzo zaszumionych spektrach lub przy klasyfikacji blisko spokrewnionych cząsteczek.

Ostatnie prace pokazują m.in.:

• Deep Learning-Assisted SERS dla monitoringu klozapiny w surowicy (Nano Letters, 2025) — sieć CNN trenowana na widmach z plazmonicznych metapowierzchni pozwala na ilościowe oznaczenie leku przeciwpsychotycznego w surowicy, w zakresie istotnym dla therapeutic drug monitoring.
• Rapid Identification of Drug Mechanisms (ACS Sensors, 2025) — multikanałowy SERS plus CNN różnicuje mechanizmy działania chemoterapeutyków, w tym strukturalnie podobne klasy leków.
• System „SERSome” (Spectroscopy Online, 2025) — łączy SERS z AI dla identyfikacji składników żywności leczniczej z deklarowaną dokładnością klasyfikacji rzędu 98% przy minimalnym nadzorze.

To kierunek, który zmienia ekonomię metody — SERS, do tej pory traktowany jako technika laboratoryjna z dużą zmiennością wyniku między pomiarami, zaczyna się stabilizować dzięki uczeniu maszynowemu, które potrafi wyciągnąć powtarzalny sygnał ilościowy z niedoskonałego widma.

Therapeutic Drug Monitoring — pierwszy realny use case poza screeningiem

SERS dla TDM (Therapeutic Drug Monitoring) to obszar najbardziej zaawansowany w stronę klinicznego wdrożenia. Przegląd w czasopiśmie Molecules (MDPI, 2025) podsumowuje obecny stan: wysoka czułość, brak destrukcji próbki, charakterystyczne widmo fingerprintowe — wszystko to czyni SERS atrakcyjną alternatywą dla HPLC w monitoringu wąskoterapeutycznym (immunosupresanty, leki przeciwpadaczkowe, antybiotyki o wąskim oknie terapeutycznym).

Co stoi na drodze do rutynowego wdrożenia:

1. Standaryzacja substratów — różnice geometrii nanostruktur między partiami powodują rozrzut wzmocnienia, który trzeba kompensować algorytmicznie lub przez wzorzec wewnętrzny.
2. Matrice biologiczne — białka surowicy adsorbują się na powierzchni Au/Ag i konkurują o miejsca aktywne; rozwiązania to membrany separujące, funkcjonalizacja powierzchni, mikropłytki separujące.
3. Walidacja regulacyjna — wymogi farmakopei dla metod ilościowych w TDM (powtarzalność, liniowość, odzysk, limit ilościowy) są wymagające; SERS musi je przejść tak samo jak chromatografia.

Standaryzacja substratów — gorący temat 2026

Raport rynkowy z początku 2026 podaje, że ponad 40% producentów substratów SERS deklaruje problem ze skalowaniem produkcji w utrzymaniem jednorodności od partii do partii. To wciąż jest bariera między „działa w jednym laboratorium” a „działa wszędzie tak samo”. Kierunki, które rosną:

• Substraty papierowe i polimerowe — tańsze, jednorazowe, lepsze RSD niż drogie podłoża krzemowe wielokrotnego użytku w określonych zastosowaniach.
• Wzorce wewnętrzne (deuterowane analogi, izotopowo znakowane referencje) — kompensują rozrzut wzmocnienia między pomiarami.
• Procedury walidacyjne oparte o spectral consistency tests — coś, co Spectrally OS w naszej rodzinie produktów realizuje rutynowo dla klasycznych modeli PLS/PCA, a co dla SERS dopiero się tworzy.

Spectrally X1 — możliwości adaptacji do badań SERS i farmaceutycznych

W Gekko Photonics zbudowaliśmy rodzinę produktów Ramana wokół przemysłu chemicznego, ale architektura optyczna i software są na tyle uniwersalne, że adaptacja pod konkretne zadanie SERS jest możliwa po feasibility na próbkach klienta.

• Spectrally X1 PORTABLE — przenośny analizator Ramana z laserem 785 nm i 600 mW (alternatywnie 1064 nm 800 mW jako opcja katalogowa). Touchscreen wbudowany, IP54. Naturalna platforma do prac badawczych z elastycznymi substratami SERS na bramie magazynu lub w laboratorium QC, gdy mowa o szybkim screeningu surowców czy gotowych formulacji.
• Spectrally X1 LAB — analizator stacjonarny z karuzelą do 25 próbek, analiza through-package, opcjonalna sonda zewnętrzna. Wariant LAB+ zawiera bibliotekę ok. 28 000 widm referencyjnych. Sprawdza się przy pracach kalibracyjnych, walidacji modeli chemometrycznych, badaniach metodyki SERS w warunkach laboratoryjnych — gdzie szukamy nie tyle jednorazowej liczby, co stabilnego workflow przed przejściem do inline.
• Spectrally X1 INLINE — procesowy analizator z sondą imersyjną PROFIBUS/PROFINET, modułem samoczyszczącym Retractex w wariantach o trudnej matrycy. SERS w trybie inline pozostaje wyzwaniem (substraty plazmoniczne degradują się w środowisku procesowym), ale dla wybranych zastosowań — pomiar śladowych zanieczyszczeń w strumieniach poreakcyjnych — to kierunek, który wchodzi w rozważania projektowe.
• Spectrally OS — wspólna warstwa software (Debian GNU/Linux 13.2, modele PLS/PCA/CNN, eksport CSV/PDF/RAW, RBAC, audit trail) obsługująca całą rodzinę X1. To w niej osadzamy modele chemometryczne i, projektowo, sieci CNN trenowane do interpretacji widm SERS po feasibility.

Realnie: dla pełnowartościowego wdrożenia SERS w farmacji wymaga to dedykowanego projektu z udziałem zespołu R&D klienta, dostawcy substratu plazmonicznego i nas — jako dostawcy spektrometru, software i integracji. Nie sprzedajemy tego z półki.

Pełna lista analizatorów procesowych w naszej ofercie pokazuje, gdzie dziś jest nasze centrum ciężkości — chemia procesowa, kosmetyki, nawozy, ścieki. Farmacja to obszar otwarty na rozmowę projektową. Dla kontekstu polecamy też nasz wcześniejszy przegląd spektroskopii Ramana w bioprocesach (2025–2026) oraz materiał o uczeniu maszynowym w chemometrii procesowej.

FAQ — najczęstsze pytania o SERS

Czy SERS zastąpi klasyczny Raman w analizie procesowej?

Nie. Klasyczny Raman jest stabilny, deterministyczny, łatwo walidowalny i radzi sobie z analitami w stężeniach od ułamka procenta wzwyż — czyli w typowym oknie aplikacji procesowych. SERS pojawia się tam, gdzie klasyczny Raman nie sięga z czułością — szczególnie w analityce śladowej (TDM, mikrozanieczyszczenia, screening kontrabandy). To są techniki uzupełniające, nie konkurencyjne.

Dlaczego elastyczne substraty SERS są takie ważne?

Bo otwierają drogę do pomiarów in situ na powierzchniach o nieregularnym kształcie — opakowaniach leków, blistrach, formach farmaceutycznych, sprzęcie laboratoryjnym. Sztywne substraty silikonowe wymagały przygotowania próbki; elastyczne pozwalają mierzyć tam, gdzie próbka jest. To zmiana paradygmatu zbliżona do tej, którą Raman przeszedł kilkanaście lat temu, przechodząc z laboratorium do procesów ciągłych.

Czy AI i deep learning są niezbędne do interpretacji widm SERS?

Nie zawsze. Dla pojedynczych analitów i prostych matryc dobrze przygotowana PLS lub PCA wystarczy. AI staje się potrzebne, gdy klasyfikujemy strukturalnie podobne związki, gdy zmienia się geometria substratu między pomiarami, lub gdy chcemy rozróżnić sygnały o nakładających się pasmach. Trend 2026 to nie „AI wszędzie”, tylko „AI tam, gdzie chemometria klasyczna się dławi”.

Czy Gekko Photonics wdraża SERS w farmacji?

Najwięcej wdrożeń mamy w chemii procesowej — żywicach, kosmetykach, nawozach, klejach, węglowodorach. W farmacji wchodzimy w trybie projektowym, zaczynając od feasibility na próbkach klienta. Sprawdzamy, czy Raman lub SERS jest właściwą metodą dla danego analitu i matrycy, oceniamy stabilność sygnału, proponujemy konfigurację sprzętu i model chemometryczny. Jeśli feasibility wypada pozytywnie, przechodzimy do projektu wdrożenia.

Jaki sprzęt Gekko najlepiej nadaje się do pierwszych prób SERS?

Z naszej rodziny — Spectrally X1 PORTABLE dla mobilnych prób na podłożach elastycznych i screeningu, Spectrally X1 LAB (zwłaszcza LAB+ z biblioteką 28 000 widm) dla prac kalibracyjnych w laboratorium. Dobór konkretnej konfiguracji (długość fali — 785 czy 1064 nm, geometria pomiaru, sonda zewnętrzna) ustalamy po analizie zadania.

Pomiar testowy i konsultacja inżynierska

Jeśli rozważasz SERS w swojej aplikacji farmaceutycznej, biofarmaceutycznej lub analitycznej — proponujemy zacząć od dwóch kroków:

1. 30-minutowa rozmowa z naszym inżynierem aplikacyjnym — opisujemy zadanie, dobieramy odpowiedni model spektrometru i format pomiaru testowego. Forma: wideokonferencja, bez kosztów.
2. Pomiar testowy na Twoich próbkach — wykonujemy w ciągu 2 tygodni od otrzymania próbek. Raport zawiera widma referencyjne, ocenę feasibility, wstępną propozycję modelu chemometrycznego i konfiguracji.

Wnioski z pomiaru testowego dostarczamy w ciągu 10 dni roboczych w formie raportu inżynierskiego. Zapraszamy do kontaktu — formularz kontaktowy lub bezpośrednio na spectrally@gekkophotonics.com.