IF=15.1宇玫博外泌體試劑盒助力客戶甲狀腺癌診斷研究！

來源：發(fā)布時間：2024-06-12

近期，中國科學院長春應用化學研究所王振新教授團隊在Chemical Engineering Journal雜志發(fā)表了題為Accurate diagnosis of thyroid cancer using a combination of surface-enhanced Raman spectroscopy of exosome on MXene-coated gold@silver core@shell nanoparticle substrate and deep learning的科研論文，IF=15.1。

研究背景：作為全球最為普遍的內(nèi)分泌性癌癥，甲狀腺癌的發(fā)病率近年來不斷上升。甲狀腺癌的精確診斷和分期至關重要，因為它們與治療方案的決策息息相關，并極大地影響患者的預后。傳統(tǒng)的組織活檢可能具有侵入性且通常難以獲得，而液體活檢可以通過分析血液、唾液和尿液等生物體液，進行微創(chuàng)檢測。目前，超聲圖像引導細針穿刺活檢是診斷甲狀腺癌的金標準，但這種方法在很大程度上依賴于臨床醫(yī)生的經(jīng)驗，且無法識別具有非典型形態(tài)的小型癌癥或病變。外泌體（EVs）作為液體活檢的最佳對象之一，在癌癥診斷方面得到了廣泛的研究和應用?；诒砻嬖鰪娎庾V（SERS）檢測有很高的靈敏度，并且可以提供有關分析目標的分子結(jié)構(gòu)信息。

研究成果及意義：該研究建立了一種有效的方法，通過結(jié)合MXene包被的gold@silver core@shell nanoparticle（Au@Ag NP）功能化底物上的表面增強拉曼光譜（SERS）檢測和深度學習，對生物樣品（血漿）中的外泌體進行無標記分析。借由MXene包覆Au@Ag NP功能化的電磁增強（EM）和化學增強（CM）聯(lián)合，使得基于SERS傳感平臺的外泌體檢測限可達到1.7 ×10⁹ EVs/mL。隨后，作者使用殘差神經(jīng)網(wǎng)絡(RESnet)建立深度學習模型，并通過區(qū)分甲狀腺癌患者與健康對照組進行原理驗證，結(jié)果顯示該方法癌癥診斷準確率為96.0%，癌癥患者分期準確率為86.6%。這一數(shù)據(jù)證明了血漿外泌體無標記分析在甲狀腺癌準確診斷和分期方面的巨大潛力，

也為未來與臨床信息整合建立更加廣泛的預測模型提供了重要支持。

該研究中使用本公司外泌體蛋白檢測試劑盒(貨號：UR52301)進行外泌體標志蛋白檢測實驗，為血漿外泌體的鑒定和質(zhì)控提供了可靠數(shù)據(jù)。

參考文獻：Accurate diagnosis of thyroid cancer using a combination of surface-enhanced Raman spectroscopy of exosome on MXene-coated gold@silver core@shell nanoparticle substrate and deep learning. Chemical Engineering Journal. DOI: 10.1016/j.cej.2024.150835

獲取全文請掃描下方二維碼：