电化学“超级指纹识别”技术与机器学习的结合，用于现场检测非法药物

《ACS Sensors》：Electrochemical “Super-Fingerprinting” in Combination with Machine Learning for the On-Site Detection of Illicit Drugs

检测PD-L1阳性循环肿瘤细胞（CTCs）在非小细胞肺癌（NSCLC）患者中具有临床价值，但传统方法灵敏度低且定量困难。本研究开发双模式微流控芯片，结合CRISPR-Cas12a核酸扩增与免疫荧光可视化，实现20-107 cell/mL范围内的高灵敏度PD-L1蛋白检测，并实时监测PD-1/PD-L1抑制剂疗效，提升临床预后评估准确性。

　　

检测外周血中程序性细胞死亡配体1（PD-L1）阳性的循环肿瘤细胞（CTCs）对预测和评估非小细胞肺癌（NSCLC）患者免疫疗法的疗效具有重要的临床价值。然而，传统方法的灵敏度较低，精确量化仍然是一个挑战。本文构建了一种双模式微流控分析芯片，该芯片结合了规律间隔短回文重复序列/Cas12a定量技术和免疫荧光可视化技术。通过扩增核酸靶标来生成强烈的荧光信号，从而能够选择性和灵敏地定量CTCs表面的PD-L1蛋白（浓度范围为20至10⁷个细胞/毫升），即使目标细胞数量非常少也能实现这一目标。该系统能够有效检测NSCLC患者外周血样本中的PD-L1⁺ CTCs表达，并实时监测PD-1/PD-L1靶向免疫检查点抑制剂的疗效。在监测NSCLC患者预后方面，该系统表现出优异的临床应用性能。