上皮性卵巢癌(EOC)的发生是一种与代通路改变相关的多因素过程。因此，人们迫切需要开发一种EOC高性能筛查工具来改善其预后结果，但这一工具在目前仍然缺乏。有鉴于此，华东师范大学万晶晶研究员和上海交通大学医学院附属仁济医院殷霞博士开发了一种凹八面体Mn₂O₃/(Co,Mn)(Co,Mn)₂O₄ (MO/CMO)复合材料，其具有异质结构、粗糙表面、中空的内部和尖角，可通过激光解吸/电离质谱(LDI-MS)记录卵巢肿瘤的代谢模式。

本文要点：

（1）MO/CMO复合材料具有增强的光吸收、优先的电荷转移、光热转换和选择性捕获小分子等多种物理效应。与单重/双重增强模式和商业化产品相比，MO/CMO能够分别实现约2~5倍和10~48倍的信号增强。研究表明，MO/CMO可辅助LDI-MS揭示卵巢肿瘤的血清代谢指纹图谱，无需治疗即可直接检测血清，且重现性较高。

（2）实验结果表明，代谢指纹的机器学习能够将恶性卵巢肿瘤与良性对照组区分开来，曲线值下的面积为0.987。最后，研究者筛选出了7种与卵巢肿瘤发展相关的代谢物以作为潜在的生物标志物。综上所述，该研究设计的方法能够为推动基于纳米材料的平台在精准诊断领域中的应用提供重要帮助。

Congcong Pei. et al. Designed Concave Octahedron Heterostructures Decode Distinct Metabolic Patterns of Epithelial Ovarian Tumors. Advanced Materials. 2023

DOI: 10.1002/adma.202209083

https://onlinelibrary.wiley.com/doi/10.1002/adma.202209083