细胞外囊泡是细胞释放的微小颗粒，携带着反映其来源细胞状况的蛋白质、RNA和其他分子。由于它们在血液中循环，目前正被越来越多地探索作为一种使用微创样本检测和监测癌症等疾病的方法。
斯坦福大学医学院（Stanford University School of Medicine）的研究人员开发了一种新方法，以更好地分析脑肿瘤患者的这些囊泡。他们的方法结合了标准化囊泡分离技术、一种称为表面增强拉曼光谱（Surface-Enhanced Raman Spectroscopy, SERS）的技术，以及用于解释数据的人工智能（AI）。
处理细胞外囊泡的一个主要挑战是从少量临床样本中提取足够的有用信息。这个新平台通过使用无标记检测方法来解决这个问题，这意味着它不需要额外的化学标记，从而简化了工作流程并保留了天然分子信号。
【基于ExoTIC-SERS-AI的综合sEV分析方法使脑肿瘤患者（胶质母细胞瘤和脑膜瘤）及健康对照者（HC）的血浆来源小细胞外囊泡（sEVs）表征成为可能。】
本研究结合血浆收集、小细胞外囊泡（sEV）分离、表面增强拉曼光谱（SERS）和人工智能（AI），开发了一种非侵入性分析框架，用于区分胶质母细胞瘤（GB）、脑膜瘤（MNG）和健康对照（HC）样本。a，从有无脑肿瘤的参与者中收集血液样本，随后进行血浆分离。b，使用外泌体总分离芯片（Exosome Total Isolation Chip, ExoTIC）分离血浆sEV，并根据MISEV2023指南进行表征。c，使用SERS在金图案基底上分析sEV，以捕获分子指纹。d，通过宇宙射线去除、去噪和基线校正对光谱数据进行预处理。e，整理后的光谱数据集用于训练和测试AI分类模型。f，应用多种AI算法对来自GB、MNG和HC组的sEV SERS光谱进行分类。
研究团队将这种方法应用于胶质母细胞瘤和脑膜瘤患者的血浆样本，以及健康个体。他们发现这些组之间的囊泡存在明显的分子差异。使用人工智能，特别是卷积神经网络（convolutional neural network），他们能够以高精度对样本进行分类。
除了识别光谱差异外，研究人员还进行了蛋白质分析，揭示了与每种肿瘤类型相关的独特蛋白质模式。这些发现表明，细胞外囊泡携带有意义的分子特征，可以帮助区分不同疾病。
这种光谱技术和人工智能的结合为未来诊断提供了有希望的方向。通过实现对血液中细胞外囊泡的快速详细分析，它可能支持癌症和其他疾病的早期检测和更好监测。
Torun H, Parlatan U, Valencony T, Akin D, Nguyen C, Albayrak O, Kaysin F, Aygun U, Singal B, Ozen M, Egitimci R, Kulac I, Baran O, Akyoldas G, Solaroglu I, Demirci U. (2026) 《Glio-SERS：使用SERS和人工智能对脑肿瘤患者血浆细胞外囊泡进行无标记分子分析》（"Glio-SERS: Label-Free Molecular Profiling of Plasma Extracellular Vesicles in Brain Tumors Using SERS and Artificial Intelligence"）。bioRxiv [在线提前发表]。
【全文结束】