基于表面增强拉曼光谱的液体活检光学生物传感器研究进展
1研究背景
精准医疗的出现极大地提升了肿瘤诊疗的效果，在减轻全球肿瘤负担方面发挥了至关重要的作用。尽管组织活检是肿瘤诊断的金标准，但由于侵入性、耗时长、主观判断、潜在风险等方面的局限，导致其无法较好地实现肿瘤的实时监测与异质性检测。因此，在临床实践中急需发展无创、简便、快速、高的肿瘤检测新技术。液体活检技术通过检测人体体液中循环的肿瘤生物标志物实时监测肿瘤的动态变化，有望实现肿瘤的早期筛查、治疗效果评估以及预后监测等。但是，体液活检相关的生物标志物的含量极低，给实际检测带来了极大的挑战。近年来，具有单分子检测灵敏度的表面增强拉曼光谱技术(Surface-enhanced Raman spectroscopy，SERS)在液体活检中展现出了巨大的应用潜力。通过开发SERS生物传感器，并配合使用深度学习算法和便携式拉曼光谱设备，有望发展液体活检光学检测新技术。
2导读
液体活检通过对人体体液中肿瘤标志物（包括循环肿瘤核酸、细胞、蛋白、外泌体等）的检测，可实现肿瘤的早期检测、疗效评估与预后监测。相较于传统的组织活检，液体活检可实现超早期的肿瘤检测。同时，该技术可适用于肿瘤发生发展的动态监测。另外，该技术能提供全面的肿瘤诊断信息，有效克服传统组织活检面临的肿瘤异质性的难题，有望进一步提升肿瘤诊断的可靠性与准确性。表面增强拉曼光谱 (SERS) 技术是一种基于局域等离子共振增强效应的光谱分析技术，得益于单分子检测的高灵敏度以及探针分子的高特异性，该技术已被广泛用于生物医学检测领域，特别在肿瘤标志物痕量检测领域取得了令人瞩目的进展，提供了一系列适用于液体活检的光学传感新技术。
本文系统地介绍了近三年来基于SERS的光学生物传感技术的研发及其在液体活检领域的应用进展，特别介绍了非标记SERS和标记SERS传感平台的构建以及肿瘤标志物的检测方式，包括具有多热点增强基底的研制、多色静默区拉曼探针的设计、信号多重放大及动态校正技术的研发等。同时，还介绍了适用于多维、复杂拉曼信号提取与分析的深度学习算法，以及近年来发展的一系列便携式、手持式拉曼光谱仪在床旁检测中的应用进展。
3实验设计
基于标记SERS技术的液体活检技术
标记SERS技术是指利用拉曼纳米探针特异性地捕获待测分子，通过探针信号间接反映待测物的浓度信息，从而实现定量检测的方法。近年来，多种形态的标记SERS技术不断涌现，包括微流体SERS传感器、横向或垂直流动分析平台以及二维纳米结构等离子体传感芯片等（图2）。借助生物识别效应和基于核酸链的循环放大反应等技术，这些新颖的SERS生物传感器进一步提高了检测灵敏度、响应速度和特异性识别的能力。此外，通过高度集成化的设计，将原本繁琐的操作简化为快速、低成本的检测过程，极大拓展了SERS生物传感器在临床筛查、现场快速检测等领域的应用。
临床上，疾病的准确诊断和有效的疗效监测依赖于多种肿瘤标志物的联合检测。而SERS技术独特的、狭窄的谱峰使其具有多目标物同时检测的能力。然而，传统的拉曼探针分子的特征峰主要分布在指纹区（300-1800 cm-1），极易受到体液内源性生物分子光谱信号的干扰，进而影响检测的可靠性与准确性。近年来，信号位于静默区（1800-2800 cm-1）的一类拉曼探针分子，由于其信号与大多数生化分子的信号分属不同谱段，极大避免了信号干扰，提升定量检测的准确性，引起了研究人员的极大关注。我们课题组通过创新性的空间“编码”技术成功对探针分子的拉曼信号进行调控，设计出14种具有独立拉曼信号的SERS光学纳米探针，并且该类探针的信号均处于拉曼光谱“静默区”，可有效避免信号处于拉曼指纹区的非目标生物分子的光学信号干扰。该探针进一步与凝胶纳米柱SERS芯片联合，可对鼻咽癌进展相关的5种生物标志物进行高联合定量检测
基于非标记SERS技术的液体活检技术介绍
非标记SERS技术是指将待测分子直接吸附于SERS纳米增强基底，从而获得分子本身SERS信号的方法，该方法具有简便、快速等优点。目前，研究多采用血液、尿液、汗液、泪液和唾液等生物液体作为检测对象。通过血液丰富的拉曼谱峰信息，探究可用于疾病筛查的潜在肿瘤标志物。尿液分析更加注重成分富集，多采用具有便携性和强吸收性能的纸基等离子平台。鉴于人体表皮的弯曲性，汗液分析多采用柔性可穿戴传感器，以方便有效地收集汗液，从而获得汗液中目标物的光谱信息。而泪液分析则多采用智能隐形眼镜、光学生物传感纸条和等离子阵列芯片等，来实现成分分析。
SERS光谱数据分析技术介绍 为了提高检测效率和结果，基于SERS的即时检测方法通常采用多标签、高通量等检测策略。与此同时，在检测过程中获取的大量复杂的光谱信息，使数据分析充满挑战。为了克服这些问题，算法分析技术已被广泛采用并整合到基于SERS的即时检测技术中，包括机器学习算法和深度学习算法，如图4所示。 机器学习算法可从SERS光谱数据中提取特征并构建判别模型，以实现筛查、疾病分期和分类。值得注意的是，机器学习算法方法也可以与多标签SERS检测策略相结合，解决光谱重叠和矩阵干扰的局限性。然而，由于大多数机器学习方法的性能依赖于特征的质量，需要进行大量的特征提取和选择。深度学习方法是利用深度神经网络自动提取数据和特征特性的机器学习算法类型，弥补了传统机器学习方法依赖特征质量的局限。与机器学习方法相比，这些方法在大规模和高维数据分析中具有优势。目前，已有许多研究人员将这些方法应用于各种疾病筛查，展现出了巨大的应用潜力。我们相信随着未来研究的不断深入和技术创新的持续推进，结合机器学习算法的SERS技术在疾病检测和监测领域的应用能力将得到进一步的增强和提升。
用于SERS即时检测的便携式/手持式设备
理想的即时检测系统需要满足以下关键参数：成本低、用户友好性和高灵敏度。该系统重要的特点之一是有望替代传统的大型实验室，在患者身旁即可进行检测。为了真正地实现即时检测，需要便携式和小型化的SERS检测设备，如手持式拉曼光谱仪和模块集成式的检测设备（图5）。手持式拉曼光谱仪集成了光谱采集模块、高效的数据分析方法和用户友好的操作系统。得益于激光器和电荷耦合器件等组件的技术突破，手持式拉曼光谱仪的制造成本已显著降低，同时设备的体积也得到了有效缩减。这些进步使得仪器更加轻便，操作人员可轻松地进行单手操作，极大地提升了使用的便捷性和灵活性。相比手持式拉曼光谱仪，模块化拉曼系统还集成了其他组件，例如图5D中的自动进样、废液收集等模块，因此体积略大于手持式拉曼光谱仪。便携式模块化拉曼设备则通过结合样品处理模块的设计和软件编程，完美地实现了手持式拉曼光谱仪无法完成的高通量样品检测。此外，两种类型的检测设备均可将结果以无线通信方式传输到医院综合信息系统，实现高效的信息收集与管理。
4结论
尽管手持、便携式拉曼检测系统中降低的成本和便携性初步满足了床旁检测的要求，但其检测性能（例如灵敏度和信噪比）常常弱于大型拉曼系统。未来，便携式拉曼光谱仪的集成功能将更加丰富，光谱质量也将得到显著提升，在追求系统微型化、便携性的同时，有望同步提升检测效果。
我们相信未来SERS光谱技术将成为面向液体活检的重要分析技术之一，助力临床精准医疗实践。
产品推荐
ATR6500
外观设计
超轻薄、小尺寸，整机仅450g，便于携带 产品优势 内置的拉曼光谱识别算法，还内置达20000余种物质的标准谱图库，可对物质进行无差别检测，轻松识别物质，同时可以添加用户自己的谱图数据 采用Android系统，界面简单明了，配备5.5英寸高清屏幕，采用高清双摄像头1300万+800万，可随时记录检测现场，内置WIFI、蓝牙、GPS等模块，简单而智能 应用领域 公安缉毒、高铁、地铁、BRT入口的危化物检测 制药业的原辅料鉴别、食品安全检测 工业物质识别、过程控制 宝石鉴定、文物鉴定、矿石筛选