微波生物传感器：如何用科技的力量让癌症检测更快速、更精准？

癌胚抗原（CEA）是一种广谱肿瘤标志物，其在癌症患者体内的含量显著高于健康人群，被广泛用于癌症的诊断和监测。早期检测和筛查肿瘤标志物对提高癌症患者的生存率至关重要。然而，传统的CEA检测方法（如酶联免疫吸附测定、荧光免疫分析等）存在检测时间长、成本高、操作复杂等局限性。因此，开发一种快速、灵敏、低成本的CEA检测技术具有重要意义。

近日，《Biosensors and Bioelectronics》期刊发表了一项关于癌胚抗原（CEA）检测的重要研究成果。研究人员开发出一种基于叉指电极结构的裂环谐振器（SRR）电路的微波生物传感器，并结合机器学习技术，实现了对极低浓度CEA的高效检测，为癌症早期诊断带来新的希望。

图 1 CEA浓度检测系统示意图

图1展示了CEA浓度检测系统示意图，展示从样本处理到数据分析以及细胞检测、WB检测对比的流程。

研究结果

图 2 传感器制造过程和CEA分子结构

此次研究中，微波生物传感器展现出独特优势。它具有无标记、非侵入、操作简单、实时无损检测等特点，样本需求量小且应用范围广泛。研究人员将其与机器学习算法相结合，制备出尺寸为20mm×10mm的微波生物传感器，利用CEA与抗CEA的特异性反应，通过检测共振频率和传输系数的变化来定量检测样本中的CEA浓度。

在检测系统方面，研究人员先对传感器进行抗CEA修饰，然后连接矢量网络分析仪（VNA）。检测时，将CEA溶液滴加在传感器上，通过VNA测量共振频率和幅度变化，多次测量取平均值以减小误差。同时，收集患者血液样本，用于评估模型预测未知血液中CEA浓度的能力，并对比四种细胞类型中的CEA含量。

图 3 微波生物传感器检测CEA相关性能测试及结果分析

图3展示了多种实验结果，包括HFSS、ADS模拟与实际测量对比，传感器重复性测试，对不同浓度CEA反应的响应等。从传感器设计来看，它包含SRR和叉指电极，利用HFSS软件进行模拟，ADS软件优化等效电路。制造过程采用光刻和湿法蚀刻技术，在Taconic TLX-8基板上制作传感器图案。实验选用的样本浓度范围为0.15-2.4ng/mL，涵盖了早期癌症患者的CEA水平，且实验过程遵循严格的伦理规范。

为提高数据准确性，研究运用机器学习方法，通过卷积神经网络（CNN）对传输系数等数据进行处理和特征提取，以此预测CEA浓度。此外，还使用蛋白质免疫印迹法（WB）对四种细胞类型的CEA含量进行检测，并与生物传感器检测结果对比。

图 4 不同CEA浓度下微波生物传感器的电学参数变化

图4展示了传感器在不同CEA浓度下，净电容、导纳虚部、导纳实部、净电感、阻抗虚部、阻抗实部的变化情况。实验结果令人振奋。该传感器对不同浓度CEA展现出优异的共振线性（R²=0.999），检测限低至39pg/mL，灵敏度高达27.5MHz/(ng/mL)。在检测人体血液样本中的CEA时，传感器的共振频率随CEA浓度增加向高频移动，且线性拟合效果良好。机器学习算法对纯CEA溶液和血液样本中CEA浓度的预测精准度极高，R²分别达到0.9999和0.99。细胞实验中，生物传感器与WB检测结果一致，进一步验证了传感器检测细胞的可靠性。

该研究首次将微波生物传感器与机器学习技术相结合，实现了对CEA的高灵敏度、高特异性检测。该技术具有无需标记、操作简便、检测快速等优点，有望作为一种辅助诊断工具应用于癌症的早期筛查和监测。未来，研究团队将进一步优化传感器的设计和机器学习算法，提高检测的准确性和稳定性，并探索其在其他肿瘤标志物检测中的应用潜力。

原文链接：https://doi.org/10.1016/j.bios.2024.116908