← 最新论文
📄 other

Label-Free Diagnosis of Colorectal Cancer Using a SERS Platform Based on a Modified Glass Fiber Filter Membrane Combined with Machine Learning

本研究开发了一种灵活、无标记的表面增强拉曼散射(SERS)平台,该平台结合了经4-巯基苯酚修饰的玻璃纤维滤膜与机器学习技术,旨在实现对血清样本中结直肠癌的高准确度和高重复性的无创诊断。

原作者: Mengting Lin, Qianmin Tu, Wenlong Xiang, Yichen He, Sinan Feng, Dunyan Chen, Jianwei Wang, Yudong Lu, Ruiyun You, Lizhi Li

发布于 2026-07-27
📖 1 分钟阅读☕ 轻松阅读

原作者: Mengting Lin, Qianmin Tu, Wenlong Xiang, Yichen He, Sinan Feng, Dunyan Chen, Jianwei Wang, Yudong Lu, Ruiyun You, Lizhi Li

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

想象一下,你正试图在一间有一百个人同时大声叫喊的房间里,寻找一个极其微小的低语。这本质上就是科学家在尝试利用血液检测诊断癌症等疾病时所面临的挑战。血液是一种由蛋白质、脂肪和细胞组成的复杂“浓汤”,要在其中寻找到隐藏的细微化学“指纹”是极其困难的。用于倾听这些低语的一种强大工具被称为表面增强拉曼散射(SERS)。你可以把 SERS 想象成一个超级麦克风,它可以放大分子的独特振动频率,将微弱的信号转化为一首响亮、清晰的乐曲,准确地告诉你样本中究竟有什么。然而,这里有一个问题:在像人体血液这样杂乱的环境中,这个麦克风经常会感到困惑。信号可能会变得混乱、不一致,或者被背景噪音淹没,导致结果难以令人信服。

这正是关于一种新诊断工具故事的开始。研究人员想要制造一个更好的“麦克风”,能够穿透血液中的噪音来早期检测结直肠癌,而无需进行侵入性手术。他们知道,如果他们能让传感器的表面变得更聪明、更有序,它或许就能抓取正确的分子并忽略其余的部分。通过将这种改进后的传感器与一个能够学习模式的“计算机大脑”(机器学习)相结合,他们希望创造出一种快速、准确且易于使用的检测方法。他们试图回答的核心问题是:他们能否通过工程化手段设计出一个表面,使 SERS 信号变得如此清晰且一致,以至于计算机可以可靠地分辨出健康人和癌症患者?


论文:一种用于癌症检测的“智能过滤器”

在这项研究中,来自中国福建师范大学及其附属医院的一个研究团队构建了一个聪明的装置,旨在解决这个“嘈ari血液”问题。他们创建了一个灵活的三维平台,该平台使用玻璃纤维滤膜——你可以把它想象成一种由玻璃纤维制成的非常精细、多孔的海绵。在这个海绵上,他们生长了微小的银纳米颗粒,这些颗粒充当了 SERS 技术中的信号放大器。但这里的秘诀在于:他们并没有让银颗粒裸露在外。他们在上面涂覆了一种特殊的分子,称为 4-巯基苯酚(4-MP)。

你可以将 4-MP 分子想象成站在银表面上的小小“交通管理员”或“保安”。在普通的、未经修改的设置中,银纳米颗粒可能会抓取血液中任何随机的蛋白质,从而导致信号的混乱。但 4-MP 层改变了规则。它创造了一个特定的化学环境,引导正确的分子(即那些可能指示癌症的分子)整齐地沉降到“热点”中——即银颗粒之间信号最强的微小间隙处。这保持了信号的有序性,并防止了这些“保安”让错误的群体混入。

为了测试这个“智能过滤器”是否有效,研究团队收集了 30 名结直肠癌患者和 30 名健康志愿者的血清。他们将极少量的血液滴到他们的新型玻璃纤维-银-4-MP 平台上,并让其静置 30 分钟。然后,他们用激光照射平台以读取分子振动。结果令人印象深刻。该新平台产生的信号具有极高的一致性;如果你测量同一个位置 50 次,结果的偏差仅为 7.63%,对于如此复杂的生物样本来说,这是一个非常低的数值。这证明了 4-MP “交通管理员”成功阻止了信号变得混乱。

接下来,他们将这些清晰、有序的信号输入到一个使用机器学习的“计算机大脑”中。他们尝试了四种不同的算法(决策树、K-最近邻、随机森林和支持向量机),以观察哪种算法能最好地学习区分癌症样本与健康样本。计算机发现癌症样本与健康样本有着截然不同的“旋律”。表现最好的模型是支持向量机(SVM)模型。当在从未见过的患者组上进行测试时,该模型正确识别癌症病例的准确率达到了 93.33%。更重要的是,曲线下面积(AUC)——一个衡量测试区分两组能力的得分——达到了极高的 0.988。

研究人员还利用另一组完全不同的 42 个样本(21 例癌症,21 例健康)测试了他们的系统,以观察它在现实世界中是否依然有效。SVM 模型依然表现强劲,实现了 85.48% 的准确率。这表明该方法具有鲁棒性,而不仅仅是在第一批数据上偶然奏效的现象。

他们排除了什么?研究明确表明,使用不带 4-MP 涂层的玻璃纤维膜(即“裸露”的银)效果并不理想。在未经修改的表面上,信号非常混乱,计算机模型很难区分健康人和癌症患者,在第一次测试集上的最佳准确率降至 88.33%,在新的测试集中则更低。这证实了 4-MP 化学改性才是关键成分,而不仅仅是玻璃纤维或银本身的作用。

简而言之,这篇论文表明,通过使用 4-MP 对传感器的表面进行化学调控,科学家可以创造出一种高度稳定且可重复的工具,用于通过一滴简单的血液来检测结直肠癌。虽然结果令人期待且准确度很高,但作者将其呈现为一种可靠的方法学策略以及向非侵入性筛查迈进的一步,而非一个已经完全解决、可供明天直接在每家医院使用的临床产品。这是一个强大的概念验证,展示了少许化学工程如何将嘈杂的信号转化为清晰的诊断。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →