摘要：來自賓夕法尼亞大學的研究人員開發了一種多通道納米流控系統來分析未經處理的臨床樣品。使用這個平臺，研究人員從健康和患病的小鼠和臨床樣品中分離出外泌體，對這些外泌體內的RNA成分進行了分析，并應用了機器學習算法來鑒定異質性癌癥個體的樣本。使用這種方法，成功在參加者不知情的研究中對來自健康對照的癌癥和癌前小鼠以及來自健康對照的胰腺癌患者進行分類。

基于ExoTENPO的外泌體捕獲

許多腫瘤，如腦、胰腺和肺等部位的腫瘤，位于難以手術進入的區域，對于這些腫瘤通常不能進行重復的組織活檢。液體活檢這種微創方法已經為癌癥的診斷和監測創造了許多機會。納米尺度的外泌體（直徑30-200 nm）是多泡內體（MVE）與質膜融合時釋放的，存在于血液循環中，含有其來源細胞的分子信息，與疾病診斷、疾病監測和藥物效力篩選有關。使用常規技術建立外泌體生物標志物的臨床應用并利用這些生物標志物改善患者的護理仍然具有一定的挑戰性。由于外泌體的尺寸很小，常規的基于大小的分離是耗時的（>6小時），且細胞碎片會一同純化，不能選擇外泌體的特定亞群或將外泌體與其他細胞外囊泡（例如，微泡）分離開。雖然微流控技術可以對含量少的細胞進行分類和檢測，但是該方法應用到納米尺度已經受到固有的低通量和對納米流體通道堵塞的敏感性的限制。

為了解決這些挑戰，研究人員開發了一種外泌體分離方法，該方法將數百萬的納米流控小組件整合到一個芯片當中，可一同從臨床樣本中分離外泌體。該方法利用外泌體追蹤蝕刻磁性納米孔（ExoTENPO）芯片將常規納米流體分選結構旋轉90度，以在孔的末端而不是通道中形成磁捕獲陷阱（磁阱）。通過將流量分布在數百萬個納米尺度的孔隙上，可以在保持納米流體免疫磁性分選的精度的同時實現比個體納流體裝置大10的6次方倍的流速（?>10 mL/hr），可以直接對未經處理的血清或血漿進行分析且沒有堵塞的危險，因為任何單個納米孔的堵塞會導致其向附近的孔分流。

除了分離腫瘤外泌體的挑戰之外，由于疾病的復雜性質及其在腫瘤本身和患者之間的異質性，癌癥的成功診斷變得更具挑戰性。常規方法僅依賴于單一的分子生物標志物，這通常不夠充分。任何單一蛋白質或核酸生物標志物都可以通過許多復雜的過程進行控制，并且不一定直接反應到所有患者普遍適用的特定疾病狀態。作為替代，可以測量一組分子生物標志物以更全面地描述癌癥的復雜狀態。然而，多種分子生物標志物同步分析可能有難度。為了解決這個挑戰，研究人員使用機器學習算法和數據集訓練從一組RNA生物標志物中提取一組優化的線性鑒別器。然后使用獨立于訓練數據的獨立盲目數據集測試來評估這些鑒別器。通過選擇癌癥的相關狀態（癌前病變、癌癥、健康）和訓練機器學習算法來找到這些狀態的最佳分類模式，在參加者不知情的研究中優于任何單個標記。

最后，通過胰腺癌來驗證ExoTENPO芯片用于癌癥診斷的效果，特別是在早期檢測疾病的當前難以解決的問題。使用這種方法能夠正確在小鼠模型和臨床試驗中對胰腺癌患者與健康受試者進行分類。此外，在鼠模型中，相對于健康小鼠和具有癌癥的小鼠，正確鑒定了具有惡化前胰腺病變的胰腺上皮內瘤樣病變（PanIN）的小鼠。

參考文獻：

Ko J, Bhagwat N, Yee SS, Ortiz N, Sahmoud A, Black T, Aiello NM, McKenzie L, O'Hara M, Redlinger C, Romeo J, Carpenter EL, Stanger BZ, Issadore D. Combining Machine Learning and Nanofluidic Technology to Diagnose Pancreatic Cancer Using Exosomes. ACS Nano. 2017 Oct 11. doi: 10.1021/acsnano.7b05503. [Epub ahead of print] IF= 13.942

（文章來源:外泌體資訊網  科學網科學網轉載僅供參考學習及傳遞有用信息，版權歸原作者所有，如侵犯權益，請聯系刪除）