建立一种检测乳腺癌和卵巢癌生物标志物（精胺(Spm)和N-乙酰神经氨酸(NANA)）的先进分析方法对于实现乳腺癌和卵巢癌的早期诊断以及保护女性健康而言具有重要意义。有鉴于此，同济大学闫冰教授构建了一种基于双发射比率荧光传感器、深度学习辅助的人工视觉平台，以用于检测Spm和NANA。

本文要点：

（1）比率荧光传感器(Eu@TCBP-HOF，1)可基于"Turn-on"模式选择性检测Spm，且具有较高的灵敏度。加入Spm后，新的比率荧光传感器(1-Spm，命名为2)则能够在"Turn-off"模式下对NANA表现出较高的检测灵敏度。此外，该荧光传感器也可对Spm和NANA产生明显的荧光颜色响应。

（2）在真实的唾液和血清样本中，传感器1和2能够表现出较高的检测灵敏度和颜色响应性，对Spm的检测限为0.5 μM，对NANA的检测限为0.96 μM。利用不同的荧光响应，深度学习的DenseNet算法能够辅助荧光传感器以作为模拟人类视觉的系统，从而识别荧光图像，并在1 s内检测出Spm和NANA浓度，其识别准确率超过99%。综上所述，该研究开发的智能人工视觉平台有望为实现对女性恶性肿瘤的早期诊断提供一种新的分析方法。

Zhongqian Hu. et al. Deep Learning-Assisted Intelligent Artificial Vision Platform Based on Dual-Luminescence Eu(III)-Functionalized HOF for the Diagnosis of Breast and Ovarian Cancer. Analytical Chemistry. 2023

DOI: 10.1021/acs.analchem.3c04624

https://pubs.acs.org/doi/10.1021/acs.analchem.3c04624