近日，伟德国际1946源于英国徐挺教授课题组联合电子学院与化学化工学院，研发出一种等离激元增强成像和卷积神经网络算法辅助的高灵敏数字化microRNA免疫分析技术，具有智能的工作流程，并实现了超低浓度的核酸分子检测。相关成果被发表在《Advanced Functional Materials》期刊上，题为“Plasmon-enhanced ultrasensitive digital imaging immunoassay for the quantification of microRNAs assisted by convolutional neural network analysis”（doi:10.1002/adfm.202210561）。
研究背景
循环microRNA在人体内的异常表达已被证明与癌症的发展和转移密切相关，因此定量测定microRNA对癌症的早期诊断和预后至关重要。定量反转录聚合酶链反应（RT-qPCR）技术检测microRNA具有较好的灵敏度，但它存在序列偏差，且依赖于耗时的扩增步骤和昂贵的设备，因此在护理点医疗（POC）检测应用中受限。因此，我们仍然迫切需要一种敏感、简单、经济的microRNA的诊断方法。
目前，数字成像免疫分析是一种蓬勃发展的POC检测技术，它通过对图像中与生物标志物结合的纳米颗粒进行数字计数，可以实现生物标志物的量化。尽管数字免疫分析技术取得了重大进展，但仍存在以下挑战：首先，强背景噪声降低了图像对比度，因此单个纳米粒子与生物分子结合的信号点难以被识别；第二，由环境杂质或其他噪音形成的成像斑点往往会严重干扰斑点计数过程，影响检测灵敏度，特别是对于低丰度的分析物而言；第三，人工筛选单个图像信号点或复杂算法重构图像是费时费力的。
创新研究
应对上述挑战，该研究提出了一种等离激元增强成像和卷积神经网络算法辅助的数字免疫分析平台，用于microRNA的定量分析。图1展示了等离激元增强成像和卷积神经网络算法辅助的microRNA免疫分析原理图，可分为两部分：图1a所示的用于microRNA免疫分析的等离子体纳米间隙腔增强成像，以及图1b所示的卷积神经网络算法辅助的图像分析。通过DNA杂交技术，金纳米粒子与目标microRNA结合，并选择性地放置在金膜涂层的载玻片上，局部形成等离激元纳米腔，用于增强纳米粒子在暗场显微镜下的散射成像信号。此外，为提高整个检测过程的准确率和效率，该工作建立了卷积神经网络算法来进行暗场显微图片的分析。含有许多散射斑点的原始暗场显微图像首先被分割成一系列子图像，然后输入到卷积神经网络算法中进行斑点计数。散射斑点被分为两类，一类是来自金纳米粒子，另一类是来自污染物（如灰尘和杂质）。最终，microRNA是根据金纳米粒子的计数结果来量化的。
图1 MicroRNA免疫分析原理图。（a）等离激元间隙腔增强暗场显微成像，（b）卷积神经网络算法辅助图像分析。
实验结果表明，等离激元纳米腔增强了图像对比度；卷积神经网络算法不仅实现了自动识别和计数纳米粒子的图像斑点，且排除了由环境污染物或其他噪音不可避免地引起的计数误差。最终，该研究展示了对microRNA-375癌症生物标志物的定量测定，其动态范围跨越了4个数量级（从1 fM到10 pM），且具有极低的检测极限（1.29 fM）。此外，这种技术实现了对microRNA-375分子和其他microRNA分子的选择性区分。
图2 MicroRNA-375分子的定量分析结果。（a）不同浓度microRNA-375对应的暗场显微图像及图像处理过程，（b）不同浓度microRNA-375对应的两类散射亮点的数目统计图。
总结展望
该工作展示了一个高性能的数字成像免疫测定平台，为POC场景需要的灵敏及智能的生物传感技术研究开辟了新的视野。
伟德国际1946源于英国19级博士生隆中雯、电子科学与工程学院21级博士生沈心雨及化学化工学院副研究员张晓波为共同第一作者, 现工院徐挺教授和电子学院杨程副研究员为论文通讯作者。本工作受到国家自然科学基金等项目支持。
