近日，厦门大学电子科学与技术学院（国家示范性微电子学院）朱锦锋教授的微纳光电与生物传感团队在Biosensors and Bioelectronics期刊上发表了一篇题为“Advances in Exosome Plasmonic Sensing: Device Integration Strategies
and AI-Aided Diagnosis”的综述文章（2024 Dec 15:266:116718），详细阐述了等离激元传感技术在外泌体检测中的应用原理，并重点介绍了等离激元生物传感平台的微型化进展，这将有助于未来的便携式检测。此外，论文探讨了人工智能（AI）算法在外泌体液体活检中的应用策略，特别是如何在可解释和不可解释的AI算法之间进行选择，以提高诊断的透明度、可靠性和精度。论文认为，在不久的将来，AI将继续推动外泌体等离激元检测技术及移动医疗的重大进展。厦门大学研究生林向
1 引言外泌体作为一种直径在30至150纳米之间的小型细胞外囊泡，近年来在生物医学研究中受到广泛关注。它们不仅是细胞间通信的关键媒介，还通过其携带的蛋白质、核酸和脂质等生物分子，影响着广泛的生理和病理过程，成为疾病诊断和预后研究的理想标志物。在液体活检领域，外泌体作为癌症进展的检测标志物，展现出较传统血清标志物如循环肿瘤细胞（CTCs）和游离DNA（cfDNA）更为显著的优势。首先，外泌体不仅在各种生物液体中稳定存在，还能穿越血脑屏障等生理性屏障，为神经性疾病等检测提供了新的可能性。其次，cfDNA和CTCs等主要来自凋亡或坏死细胞，而外泌体是由活细胞主动分泌，能更准确反映早期的细胞异常。尽管如此，传统检测方法如ELISA、Western blot和纳米流式细胞术等存在灵敏度低、特异性差和操作复杂度的局限性，亟需创新的检测平台来实现更加高效、准确的外泌体分析。在此背景下，等离激元生物传感器作为一项前沿技术，利用表面等离激元共振或信号放大原理，提供无标记、实时和高灵敏度的外泌体检测解决方案。它们在微量样本检测和多重检测方面的内在优势，使其成为疾病诊断、治疗监测和生物标志物发现的重要工具。这一技术的不断创新，推动着外泌体研究从实验室向临床应用的转化。然而，外泌体的高度异质性依然是这一领域面临的重大挑战。本篇综述旨在探讨等离子体生物传感器的小型化和集成策略，提供适用于临床快速分析评估的新思路。同时，文章还提出了在外泌体检测中选择机器学习算法的原则和策略，为非专业人士提供了便于理解的独特见解。这些技术不仅在癌症的早期检测中起到关键作用，还为疾病分期和预后监测提供了新的路径。我们相信，随着技术的不断进步，这些创新将有助于推动外泌体检测技术的临床应用，实现真正的医疗健康变革。图1.外泌体作为液体生物标志物的优势2 等离激元外泌体生物传感平台的原理在生物标志物检测领域，等离激元生物传感器凭借其独特的光学特性，取得了重要进展。这些传感器通过光与金属纳米结构的相互作用，激发表面等离激元共振（SPR），实现对外泌体等生物标志物的高灵敏度检测。当光照射在金属-电介质界面时，产生的表面等离子体会引起光强度、波长、相位或角度的变化，这些变化与外泌体标志物的存在和浓度密切相关。这篇综述详细介绍了多种等离激元生物传感器的原理，并突出了提高其灵敏度和特异性的技术进展。2.1棱镜型SPR传感棱镜型SPR技术是免标记分子检测的基石，以其实时监测金属-电介质界面分子相互作用的能力而闻名。当特定波长的光在满足全内反射条件下入射时，会在界面处产生倏逝波，这种波激发金属-空气边界处的表面等离激元，导致在共振波长处反射光强度显著降低。此时，入射角对金属-电介质界面折射率的变化高度敏感，适合检测和表征分子结合事件。SPR传感器的检测范围通常在表面10至300纳米之间，恰好覆盖了外泌体的大小范围，使其能够在表面等离激元的倏逝场内进行高灵敏度检测。这种技术在研究外泌体与靶受体相互作用以及疾病诊断中发挥了重要作用。2.2纳米等离激元传感平台为了增强传统SPR平台的信号强度和检测灵敏度，研究人员开发了多种纳米等离激元平台。通过将纳米孔、纳米腔、纳米光栅、纳米柱和纳米棒等纳米结构与等离子体传感系统相结合，这些平台展现出可调谐的光学特性、易于功能化和与多重检测兼容的优势。它们在外泌体研究中得到广泛应用，包括外泌体生物标志物的分析和外泌体介导的细胞间通讯的表征。例如，朱锦锋教授课题组此前开发的前列腺癌检测平台通过功能化抗体的周期性纳米孔阵列实现定量外泌体分析，极大地促进了疾病诊断和个性化治疗策略的发展。2.3
SERS检测表面增强拉曼散射（SERS）光谱学是一种比较有发展前景的外泌体与细胞相互作用研究方法，通过结合拉曼光谱的指纹识别和多重检测属性，以及等离激元纳米结构的信号增强能力，SERS平台在外泌体生物传感中展示了出色的空间分辨率。SERS技术在免标记方法的推动下，逐渐转向使用结构化金属基板，有效提高了检测灵敏度，成为非侵入性癌症诊断的重要工具。2.4
PEF检测等离激元增强荧光（PEF）通过放大荧光分子发射的光信号，克服了荧光检测外泌体中的一些挑战。与传统的蛋白质检测技术相比，PEF技术不仅可以显著提高检测灵敏度，还能简化检测流程。通过与化学发光信号增强结合，PEF技术实现了多重生物标志物的快速分析，为临床诊断和监测提供了更广泛的应用前景。图2.等离激元生物传感平台的物理原理示意图3 基于外泌体的等离激元传感器集成和设备小型化策略等离激元生物传感技术在外泌体检测领域展现了广阔的应用前景和发展潜力。其在灵敏度、特异性和适用性方面的创新，不仅推动了检测设备的小型化和便携化，还为实时临床检测提供了便捷高效的解决方案。通过不断优化和创新，这些技术将进一步推动外泌体研究的临床转化，使得快速、现场分析成为可能，为医疗健康策略带来重要突破。3.1实验室芯片系统（LoC）等离激元传感平台的集成旨在最大程度地发挥其潜力，同时减少样品和试剂的消耗。研究人员将这些生物传感器与微流控技术相结合，开发出实验室芯片（LoC）系统。这种系统利用微流控技术在微米尺度的空间中操控液体，有效地将传统的实验室过程小型化，适应微芯片的物理限制。这种集成方法将样品制备、分析物检测和数据分析等多种功能整合到一个单一的微流控框架中，大大优化了样品处理流程，减少了检测时间和复杂性。例如，国家纳米科学技术中心胡志远团队将抗体微阵列固定在镀金玻璃传感器芯片上，并与微流控系统集成，通过表面等离子体共振成像（SPRi）技术，实现了肿瘤细胞培养液中外泌体的实时、无标记定量检测。这种方法不需要繁琐的富集或纯化过程，为多种癌症的诊断和预后预测提供了一种高效、简便的检测手段。此外，等离子体增强荧光（PEF）作为一种光学方法，也被广泛应用于外泌体的定量分析。来自新加坡国立大学的邵慧琳课题组开发了名为Templated Plasmonics for Exosomes (TPEX) 的传感平台，如图3B所示，集成了微流控技术，能够在临床生物流体中直接识别和高灵敏度定量测量外泌体标志物。这种平台还可以通过智能手机进行操作，提供快速、高精度的检测结果，有助于更准确地预测患者的预后。3.2设备小型化策略等离激元生物传感器的集成也加速了便携式和手持设备的发展，使其非常适合用于现场检测。便携式仪器具备样品需求少、分析时间短、操作简便等诸多优势，在资源有限的环境中尤为有效。例如，为了同时定量分析临床血清样品中的多种外泌体蛋白，中南大学李明课题组开发了一种基于纸张的SERS垂直流动生物传感器iREX。如图3C，该系统结合了样品注射器、垂直流动测定装置和塑料盒，能够对乳腺癌不同亚型细胞的外泌体样本进行多种生物标志物的定量分析，展现了其在非侵入性癌症诊断和监测中的临床实用性。来自麻省总医院Hyungsoon Im团队还开发了一种自动线扫描成像系统，该系统将化学荧光信号增强与 PEF 检测顺利结合起来。如图 3D 所示，该系统尺寸为 (W × H × D) 24 cm × 36 cm × 32 cm，重约12公斤，荧光信号由 CMOS 相机检测。这项创新利用双重化学和等离激元效应放大信号，能够在短短1小时内快速分析多种细胞因子生物标志物，并达到每毫升亚皮克级别的灵敏度。此外，杜兰大学医学院Tony Y. Hu 团队还巧妙地设计和改造了一种与暗视野显微镜兼容的纳米粒子增强免疫测定法。该设备尺寸为 27 cm × 19 cm ×10.6 cm，便于携带且易于智能手机集成（图 3E）。这款经济实惠、结构紧凑的基于智能手机的暗视野显微镜设备专为结核病检测而设计，可以在 5 分钟内扫描 144 孔分析载玻片，同时保持 5 ng/mL 的检测灵敏度。尽管设备小型化带来了便携和高效的优势，但仍然存在一些挑战，如增强介质的有限性和检测特定分子所需的特定激发波长等问题。这些限制以及复杂微流控系统中的额外噪声，可能会降低等离激元技术的检测灵敏度。随着技术的不断改进，有望能够实现更高效、精准的临床应用，为外泌体诊断提供创新的解决方案。图3. 传感器集成和设备小型化 4 人工智能辅助外泌体检测人工智能技术，尤其是机器学习算法，已经成为推进外泌体等离激元传感研究和辅助诊断应用的重要工具。由于其在处理大型数据集方面的卓越适应性和扩展性，这些算法在分析生物传感中的复杂数据方面发挥着关键作用。本文总结了机器学习方法在外泌体等离激元传感数据处理中的应用，突出可解释算法与不可解释算法的优势，并探讨这些AI技术在外泌体诊断中的整合策略。4.1外泌体数据处理的AI算法4.1.1可解释机器学习算法可解释的机器学习算法能够提供直观的决策逻辑解释，主要通过传统统计方法或简单的机器学习模型来实现。这类算法的透明性对于获得医务人员的信任并符合生物医学领域的监管要求至关重要。例如，主成分分析（PCA）可以有效地降维数据，揭示与疾病状态相关的关键变量变化；线性判别分析（LDA）和二次判别分析（QDA）通过最大化类别之间的差异来识别不同状态下的生物标志物；而K近邻算法（KNN）和支持向量机（SVM）则在图像和光谱数据的分类中表现出色，能够区分不同条件下的外泌体样本。这些算法的可解释性使其在外泌体检测的早期研究阶段非常有用，特别是对于需要理解模型决策过程的应用场景。此外，模型的透明性有助于错误识别和修正，从而提高诊断性能。虽然传统的机器学习算法在处理简单数据集时表现良好，但在面对大型、高维和非线性数据时，其预测准确性可能会受到限制。4.1.2不可解释机器学习算法不可解释的算法，尤其是深度学习模型，因其复杂的网络结构和处理非线性挑战的能力，在处理大型且高度复杂的外泌体等离激元传感数据方面表现优异。卷积神经网络（CNN）能够自动识别图像中的复杂模式，适用于高分辨率生物医学图像分析；人工神经网络（ANN）和残差网络（ResNet）则擅长捕捉外泌体数据中的深层信息，增强对复杂生化过程的理解。尽管这些模型在解释内部决策过程方面存在挑战，但它们在特征提取和模式识别方面的能力对外泌体研究贡献显著。生成对抗网络（GAN）也是一种深度学习模型，可以通过降低噪声和减少伪影来提高外泌体图像的质量。GAN在外泌体数据处理中显示出巨大的潜力，不仅能够通过数据增强改善模型训练质量，还能直接促进外泌体研究，通过特征学习和图像质量提升来增强分析能力。4.2基于AI的疾病诊断策略4.2.1
AI算法选择的原则在外泌体研究的机器学习应用中，平衡可解释性和准确性至关重要。对于大数据集和需要精确疾病诊断和预测的情况，不可解释算法更为优选，这些算法在自动化数据处理和特征提取方面表现出色。然而，在需要向非专业人士解释决策过程的场景中，可解释算法更具优势。通过结合使用可解释和不可解释的算法，研究人员可以在数据分析的初期阶段利用深度学习处理复杂数据，然后用可解释算法进行进一步验证和解释，从而提高模型的决策透明度和可靠性。图4. 用于外泌体检测和诊断的人工智能4.2.2基于光谱的AI检测光谱技术在外泌体等离激元检测中至关重要，通过结合AI技术，可以显著提升数据处理能力和诊断精度。AI算法如PCA、LDA和SVM用于光谱数据的降噪、特征提取和分类，有助于识别疾病特异性生物标志物。深度学习模型如CNN和ResNet进一步增强了对复杂光谱数据的处理能力，为外泌体的早期疾病检测和治疗监测提供了强大的工具。图5. ML策略应用于光谱数据处理4.2.3基于图像的AI检测高质量图像数据在外泌体检测中同样重要，AI技术如GAN和CNN已被用于提升成像质量和自动特征提取。GAN可生成高分辨率图像，解决自动对焦问题，CNN和YOLOv4则可实现图像的自动识别和分析。这些技术大幅提升了图像数据处理效率，促进了外泌体检测在医学诊断中的应用。通过结合AI技术，外泌体图像检测更具自动化和准确性，为临床诊断提供了重要支持。图6. 基于AI的外泌体图像数据处理与分析5 总结和展望外泌体已被证明是重要的免标记生物标志物，本综述深入阐述了各种等离激元传感平台的物理原理及其在外泌体检测中的应用，展示了这些技术进步如何提升检测性能；强调了外泌体诊断中的关键发展，特别是SPR传感技术的集成、检测设备的小型化以及先进AI算法的应用。尽管取得了诸多进展，该领域仍面临数据质量、深度学习模型的不可解释性和等离激元生物传感器的长期稳定性等关键挑战。解决这些问题对于未来发展至关重要。未来的研究方向可以聚焦于以下几个方面：数据采集：建立标准化的数据收集和处理流程，以提高数据质量，促进不同研究间的数据可比性和共享性。自动化数据采集和处理可以减少人为错误，增强一致性和可重复性。此外，整合光谱、图像、基因组学和蛋白质组学等多种数据类型，为外泌体研究提供全面视角。机器学习算法应利用这些多模态数据，全面了解外泌体的生物特性，提高诊断的准确性和可靠性。算法创新与优化：未来的算法开发应注重提升模型的可解释性，创建具有透明决策过程的机器学习模型，使医生和患者都能理解和信任AI生成的诊断结果。开发适应不同数据源和任务的混合模型，利用集成学习和迁移学习等策略，结合多种算法以提高泛化能力和性能。此外，建立开放共享的数据和算法平台，鼓励研究社区共享数据集、算法模型和研究成果，加速外泌体研究的进展。传感器长期稳定性：评估并提高等离激元生物传感器在各种条件下的稳定性，包括长期暴露于生物液体、温度波动和反复使用。改善传感器稳定性的策略可能包括开发更坚固的表面涂层、优化传感器设计以防止退化、实施实时监控系统跟踪传感器性能，以及建立标准化的测试协议以确保长期可靠性。加强跨学科合作：鼓励计算机科学、微纳光电子、生物医学和临床医学专家之间的深度合作，共同探索AI在外泌体研究和应用中的新模型和策略。在算法开发和数据利用中严格遵守数据伦理和隐私保护法规，确保技术的健康和可持续发展。展望未来，数据采集的标准化、通过集成学习和迁移学习提升算法可解释性、通过开放平台促进社区协作以及确保传感器的长期稳定性将成为推动该领域持续进步的关键方向。在严格遵守数据伦理和跨学科合作的共同努力下，外泌体诊断的潜力将得到充分发挥，该领域将实现持续健康的发展。参考文献：Advances
in exosome plasmonic sensing: Device integration strategies and AI-aided
diagnosis, Biosensors and Bioelectronics, Volume 266, 2024.论文链接：https://doi.org/10.1016/j.bios.2024.116718.撰稿人：林向钰婕
