新技术：机器学习助力双模态SERS检测循环肿瘤细胞，推动癌症诊断发展

癌症严重威胁人类健康，精准诊断对治疗和预后意义重大。CTCs检测为癌症诊断提供了新方向，但由于其在血液中浓度极低，每毫升仅含1-10个细胞，检测面临巨大挑战。传统检测方法，如基于影像的诊断手段，存在灵敏度低、成本高的问题；荧光成像虽为主流CTC检测方法，却受高背景噪声和光漂白效应限制 。

SERS 技术近年来在细胞检测领域发展迅速，具有高灵敏度和选择性的优势。此次研究中，团队设计了Au-4MBA-rBSA-FA和铁氧化物（IO）-AR-rBSA-FA双模态SERS生物探针。其中，Au SERS基底能提供显著拉曼信号，磁性IO基底不仅能提供信号，还能借助磁性分离血液中的CTCs。4-巯基苯甲酸（4-MBA）和茜素红（AR）作为拉曼报告分子，各自提供独特的拉曼特征峰；还原型牛血清白蛋白（rBSA）稳定生物探针，叶酸（FA）则靶向结合CTCs表面受体。

研究结果

研究人员通过 “鸡尾酒” 法将双模态SERS生物探针与肿瘤细胞共孵育，并利用主成分分析（PCA）和随机森林分类算法构建了CTCs识别模型。实验结果令人瞩目：该策略展现出强大的检测能力，即使CTCs浓度低至 2 细胞 /mL，也能实现有效磁分离和高灵敏度识别，对CTCs的检测率高达 98%，并能有效排除外周白细胞的干扰。在四种细胞（HeLa、MDA-MB-231、A549 细胞和白细胞）的分类实验中，模型准确率达到 90%。

图 1 双模态生物探针的表征

图1展示了双模态生物探针的表征结果。通过透射电子显微镜（TEM）、高分辨率透射电子显微镜（HRTEM）、选区电子衍射（SAED）和动态光散射（DLS）等多种技术手段，研究团队详细分析了AuNPs和IO NPs的形貌、尺寸及表面修饰情况。其中，AuNPs呈现近圆形结构，直径约为8nm（图1A），且rBSA成功包裹在其表面（图1B）；IO NPs则具有均匀的圆形结构（图1E），rBSA也成功修饰在IO NPs表面（图1F）。此外，AuNPs和IO NPs的晶体信息分别通过SAED图像（图1C）和HRTEM图像（图1G）得以确认。DLS测量的尺寸分布结果与TEM观察到的尺寸一致（图1D和图1H），进一步验证了纳米颗粒的特性。

图 2 双模态生物探针的SERS性能表征 

从实验数据来看，双模态生物探针的SERS性能出色。在不同浓度实验中，确定了4-MBA、AR以及rBSA-FA的最佳浓度。且生物探针稳定性良好，如Au-4MBA-rBSA-FA在1076和1585处拉曼强度的相对标准偏差（RSD）约为15%；IO-AR-rBSA-FA在1285和1448处的RSD分别为11.48%和11.91%。

图 3 MDA-MB-231细胞与纳米探针孵育的荧光图像

图3中清晰显示Au-4MBA-rBSA-(FITC)-FA和IO-AR-rBSA-(FITC)-FA两种SERS生物探针均明显附着在MDA-MB-231细胞上，直观体现生物探针良好的靶向能力。通过实验证明了其能有效结合肿瘤细胞，且细胞毒性低，生物相容性良好。

图 4 机器学习分析结果

如图4，机器学习模型在该检测策略中发挥了关键作用。通过数据预处理、PCA 降维和多种监督机器学习分类算法的对比，最终选定的模型在区分肿瘤细胞和白细胞方面表现卓越。5折交叉验证结果显示，模型准确率高，且在模拟实际样本检测中，对不同类型肿瘤细胞的识别准确率达到95%，展现出强大的泛化能力。

与其他相关研究相比，该研究的成果具有显著优势。以往的生物传感器大多专注于小分子、蛋白质或特定细胞的检测，而本研究开发的双模态SERS探针结合机器学习算法，专门针对全细胞检测进行了优化，检测限低至2细胞/mL，在灵敏度和特异性方面均实现了突破。这一创新策略为CTCs（循环肿瘤细胞）检测提供了新的思路，对癌症诊断具有重要意义。展望未来，随着研究的不断深入，将编码SERS生物探针与更多种类的拉曼报告分子和靶向分子相结合，并融入机器学习模型，有望进一步提升癌症诊断水平，为临床治疗提供更精准的依据。

原文链接：https://doi.org/10.1016/j.bios.2024.116897