摘要：來自賓夕法尼亞大學(xué)的研究人員開發(fā)了一種多通道納米流控系統(tǒng)來分析未經(jīng)處理的臨床樣品。使用這個(gè)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(nèi)的RNA成分進(jìn)行了分析，并應(yīng)用了機(jī)器學(xué)習(xí)算法來鑒定異質(zhì)性癌癥個(gè)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(jìn)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(shù)進(jìn)入的區(qū)域，對于這些腫瘤通常不能進(jìn)行重復(fù)的組織活檢。液體活檢這種微創(chuàng)方法已經(jīng)為癌癥的診斷和監(jiān)測創(chuàng)造了許多機(jī)會。納米尺度的外泌體（直徑30-200 nm）是多泡內(nèi)體（MVE）與質(zhì)膜融合時(shí)釋放的，存在于血液循環(huán)中，含有其來源細(xì)胞的分子信息，與疾病診斷、疾病監(jiān)測和藥物效力篩選有關(guān)。使用常規(guī)技術(shù)建立外泌體生物標(biāo)志物的臨床應(yīng)用并利用這些生物標(biāo)志物改善患者的護(hù)理仍然具有一定的挑戰(zhàn)性。由于外泌體的尺寸很小，常規(guī)的基于大小的分離是耗時(shí)的（>6小時(shí)），且細(xì)胞碎片會一同純化，不能選擇外泌體的特定亞群或?qū)⑼饷隗w與其他細(xì)胞外囊泡（例如，微泡）分離開。雖然微流控技術(shù)可以對含量少的細(xì)胞進(jìn)行分類和檢測，但是該方法應(yīng)用到納米尺度已經(jīng)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(zhàn)，研究人員開發(fā)了一種外泌體分離方法，該方法將數(shù)百萬的納米流控小組件整合到一個(gè)芯片當(dāng)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(guī)納米流體分選結(jié)構(gòu)旋轉(zhuǎn)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(shù)百萬個(gè)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(shí)實(shí)現(xiàn)比個(gè)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(jīng)處理的血清或血漿進(jìn)行分析且沒有堵塞的危險(xiǎn)，因?yàn)槿魏螁蝹€(gè)納米孔的堵塞會導(dǎo)致其向附近的孔分流。

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

最后，通過胰腺癌來驗(yàn)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(dāng)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(yàn)中對胰腺癌患者與健康受試者進(jìn)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(nèi)瘤樣病變（PanIN）的小鼠。

參考文獻(xiàn)：

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(wǎng)  科學(xué)網(wǎng)科學(xué)網(wǎng)轉(zhuǎn)載僅供參考學(xué)習(xí)及傳遞有用信息，版權(quán)歸原作者所有，如侵犯權(quán)益，請聯(lián)系刪除）