Advanced Functional Materials:超疏水自定位SERS光谱检测平台用于多种疾病的高通量无损筛查

高效的早期筛查对于癌症等疾病的预防和诊断至关重要,可极大提高患者的生存率。近年来,具有超高检测灵敏度的表面增强拉曼光谱(SERS)技术在癌症检测方面表现出了巨大应用潜力,其中基于非标记SERS的血液分析技术具有无创、简便和有效克服肿瘤异质性检测等优势,然而在实际应用中,仍然存在以下挑战:(1)由于样本制备过程中“咖啡环效应”的存在,导致SERS信号的重复性降低以及波动的增大,给检测标准化带来困难;(2)SERS光谱检测过程中需要对样品的检测位点进行逐个人工定位,存在主观依赖性以及耗时等不足,无法满足大样本、多癌种的高通量与精准检测需求,阻碍了其进一步的临床转化应用。

针对以上不足,福建师范大学冯尚源、林多课题组、福州大学宋继彬课题组开发出一套具有超疏水、自定位功能的SERS光谱检测平台(图1)。得益于特殊设计的超疏水圆弧形凹槽阵列,该平台不仅可以克服“咖啡环效应”,实现目标的自动定位与高通量快速检测,还能同时提高检测灵敏度(检测极限:10-12 M)与信号重复性(相对标准偏差:3.7%)。利用该检测平台对乳腺癌患者、白血病患者、乙肝患者和正常自愿者血清样本进行检测分析,获得了四类样本高质量的血液特征SERS光谱,同时利用深度学习算法,挖掘潜在的诊断信息,建立高效的诊断模型,可对四类样本进行准确(>80%)识别与分类(图2)。该检测平台的建立有助于开展多组分、多癌种、大样本的高效检测研究,有望进行临床应用转化,为肿瘤的早期筛查、进展监测以及预后评估提供光学检测新方法。

图1 超疏水自定位血液SERS检测平台用于多种疾病的高通量检测示意图。
图2 基于深度学习算法的血液SERS光谱数据分类。

福建师范大学冯尚源教授、林多博士以及福州大学宋继彬教授为论文通讯作者。该工作得到了国家自然科学基金和福建省高校产学合作项目支持计划等项目的资助。

论文信息:

High Throughput Blood Analysis Based on Deep Learning Algorithm and Self-Positioning Super-Hydrophobic SERS Platform for Non-Invasive Multi-Disease Screening

Xueliang Lin,Duo Lin*,Yang Chen,Jincheng Lin,Shuyun Weng,Jibin Song*,Shangyuan Feng*

Advanced Functional Materials

DOI: 10.1002/adfm.202103382

原文链接:https://doi.org/10.1002/adfm.202103382