乳腺癌亚型分型对于评估治疗反应和临床结果而言具有重要的意义。外泌体是一类在液体活检中具有重要价值的生物标志物,但由于在复杂的临床环境中难以揭示其微妙的成分差异,因此如何将外泌体用于不同乳腺癌亚型的精确诊断仍然是一项巨大的挑战。中南大学李明教授和山东大学第二医院郑超教授开发了一种人工智能表面增强拉曼光谱(SERS)策略,并将其用于对血清外泌体进行无标签光谱分析,从而实现乳腺癌的准确诊断和手术结果的评估。
本文要点:
(1)实验利用癌细胞源性外泌体的SERS光谱训练的深度学习算法,对没有接受手术的不同乳腺癌亚型的人类患者使用血清外泌体的SERS光谱进行了100%的预测准确率。
(2)此外,在与主元分析的相似性分析进行结合后,该方法也能够被用于评估不同分子亚型乳腺癌的手术结果。
Yangcenzi Xie. et al. Artificial Intelligent Label-Free SERS Profiling of Serum Exosomes for Breast Cancer Diagnosis and Postoperative Assessment. Nano Letters.
DOI: 10.1021/acs.nanolett.2c02928
https://pubs.acs.org/doi/10.1021/acs.nanolett.2c02928