编辑推荐：
为解决现有纳米颗粒分析方法在测量可扩展性和灵敏度间的矛盾， 研究人员开展 “Deep Nanometry”（DNM）技术研究。结果显示 DNM 能高敏高通量检测纳米颗粒及癌症相关 EVs，对多领域研究和疾病诊断意义重大，值得科研人员一读。
在生物学、医学和材料科学等众多领域，对单个纳米颗粒进行大规模多参数分析变得越来越重要。就好比在生物学领域，细胞分泌的纳米级小颗粒 —— 细胞外囊泡（Extracellular Vesicles，EVs），别看它们个头小，却在细胞间通信中发挥着大作用，对了解生理和病理过程意义重大。在医学上，通过分析这些纳米颗粒能助力疾病诊断，像癌症的早期检测，或许关键就藏在这些小小的颗粒里。材料科学中，对纳米材料特性的精准把握也离不开对单个纳米颗粒的研究。
然而，现有的分析方法却陷入了困境。在测量的可扩展性和灵敏度之间，就像在跷跷板上找平衡，顾此失彼。尤其是在从复杂的混合物中识别罕见纳米颗粒时，更是困难重重。以 EVs 的研究为例，传统的高灵敏度多参数分析技术，虽然能在一定程度上检测到它们，但在可扩展性方面表现不佳。想象一下，要在茫茫 “粒子海” 里找到那些稀有的 EVs，就如同大海捞针，这些技术不仅难以扩大检测规模，还需要对样本进行繁琐的纯化处理。而样本纯化不仅耗时费力，成本高昂，还可能在这个过程中丢失一些关键的 EVs 亚群，导致分析结果出现偏差，严重阻碍了对 EVs 在复杂体液（如血清和血浆）中巨大诊断潜力的探索。所以，开发一种能兼顾高灵敏度和可扩展性的多参数纳米颗粒分析方法迫在眉睫。
为了解决这些难题，来自 [第一作者单位] 的研究人员在《Nature Communications》期刊上发表了题为 “Deep Nanometry enables sensitive and scalable single-nanoparticle analysis” 的论文。他们成功开发出一种名为 “Deep Nanometry”（DNM）的创新方法，实现了纳米颗粒分析在灵敏度、通量和可扩展性上的重大突破，为相关领域的研究开辟了新道路。
研究人员在这项研究中运用了几个关键技术方法。首先是构建了专门用于纳米颗粒测量的光流体装置，通过流体动力学聚焦技术，让纳米颗粒形成稳定、狭窄且快速流动的流束，就像给纳米颗粒们安排了一条专属 “高速通道”。同时，用高能量密度的激光照射，配合高数值孔径的物镜收集散射光，再加上优化的空间滤波器去除干扰信号，大大提高了检测的灵敏度。其次，他们利用基于深度学习的一维无监督去噪方法，这个方法可不简单，它能自动识别并去除复杂的背景噪声，从一堆杂乱的信号中精准 “揪出” 纳米颗粒的微弱信号，而且不需要干净的无噪声数据来训练模型，只靠背景噪声和待去噪数据就行。
下面来看看研究都有哪些重要成果。
- DNM 的装置和去噪工作流程：研究人员搭建了专门的光流体装置（如图 1a 所示），采用流体动力学聚焦技术，把纳米颗粒流聚焦得紧紧的，聚焦宽度小于 2μm，就像把纳米颗粒们 “挤” 到了一条窄窄的小路上。用 408nm 的激光紧紧聚焦，产生能量密度高达 12.5kW/mm2 的椭圆形照明区域，再通过高数值孔径（NA = 0.95）的物镜收集侧向散射光，还在共轭像平面上安装了尺寸为 4μm 的优化空间滤波器，把那些不是纳米颗粒产生的信号统统 “过滤” 掉。在分析流程中，他们开发的基于深度学习的一维无监督去噪方法也很巧妙（如图 1b 所示）。这个方法能从有噪声的测量数据里恢复出干净的纳米颗粒信号。和其他去噪方法相比，它有三大优势：一是基于深度学习，能自动找到最佳参数去除复杂噪声，不像传统的高斯滤波器，每次都得手动设置参数，还很难适应不同实验中复杂多变的噪声；二是无监督，训练系统时不需要干净无噪声的数据，只需要背景噪声和要去噪的数据就行，这在很难获取无噪声数据的纳米颗粒分析领域，简直太实用了；三是它考虑到去噪问题的不确定性，通过估计可能的去噪信号的概率分布，能随机采样去噪估计值。
- 纳米颗粒分析的一维去噪方法评估：由于在纳米颗粒检测中很难同时获取有噪声的输入和干净的真实信号，研究人员想出了一个巧妙的办法。他们设计了一个光学装置（如图 2a 所示），可以同时记录低信噪比和高信噪比的时间序列。用分束器把纳米颗粒散射的光子分成两部分，一部分经过衰减器降低信噪比，作为有噪声的输入；另一部分保持高信噪比，近似当作真实信号。通过这个装置，他们对 110nm 的聚苯乙烯纳米颗粒进行实验。结果发现，去噪后的信号和真实信号非常相似（如图 2b 所示），在散射峰高度的直方图里，去噪后能更清楚地区分颗粒和噪声（如图 2c 所示）。计算去噪后时间序列相对于真实时间序列的峰值信噪比（PSNR）发现，大部分情况下（87%）去噪都提高了 PSNR，中位数达到 15.3dB，比原始数据的 9.4dB 和高斯滤波后的 10.7dB 都高（如图 2d 所示）。再看精度召回（PR）曲线，去噪后在召回率为 0.5 时，精度从噪声数据的 0.47 提高到了 0.98，平均精度均值（mAP）从原始数据的 0.50 和高斯滤波数据的 0.73 提高到了 0.80（如图 2e 所示）。这些都表明，这种去噪方法比高斯滤波器更厉害，能实现更准确的信号检测。
- DNM 的灵敏度、通量和可扩展性基准测试：研究人员去掉之前光学装置中的分束器，对 DNM 的各项性能进行测试。在灵敏度测试中，他们用不同尺寸（27/40/60nm）的标准聚苯乙烯（PS）珠子和血清来源的 EVs 进行实验。结果发现，DNM 能分辨出 27nm 和 40nm 的纳米颗粒，去噪后，27nm 颗粒的检测峰值数量增加了 38%，40nm 颗粒增加了 5%，同时磷酸盐缓冲盐水（PBS）的散射高度明显降低，这意味着去噪减少了误检率，提高了颗粒检测的回收率（如图 3a - c 所示）。而且，根据瑞利散射理论拟合发现，检测到的散射值是可靠的（如图 3d 所示）。在通量和可扩展性测试中，DNM 表现也很出色。理论上，它的最大检测通量能达到每秒 100 万次事件，实际实验中，通过流动 110nm 的 PS 珠子悬浮液并筛选单峰事件，实现了每秒 241510 次事件的通量（如图 3a 所示）。在检测限方面，仅基于散射光，DNM 能检测到浓度至少为 2.82×103 颗粒 /mL 的 110nm 聚苯乙烯颗粒；同时进行散射和荧光测量时，能检测到浓度为 1.1×10?颗粒 /mL 的 CD9 阳性 EVs，而商用的单光子计数流式细胞仪（SP - FCM）在相同条件下却检测不到（如图 4a - c 所示）。
- 检测血清中的稀有 EVs：在含有众多其他纳米颗粒（如脂蛋白和碎片）的非纯化体液中，检测足够数量的稀有 EVs 一直是个难题。传统的小规模测量需要先纯化 EVs，不仅麻烦，还会导致 EVs 群体的损失和分析偏差。而 DNM 凭借其大规模测量的优势，成功实现了从非纯化血清中直接检测稀有 EVs。研究人员在两名捐赠者的血清中加入标记抗体，稀释后用 DNM 检测。结果发现，CD9 阳性 EVs 占所有可靠检测的 0.05%，CD147 阳性 EVs 占 0.01%，CD9 和 CD147 双阳性 EVs 仅占 0.002%（如图 5a - c 所示）。而且，他们还验证了在非纯化血清中抗体对 EVs 染色的高效性。此外，DNM 在检测诊断性 EVs 方面也表现出色。以结直肠癌为例，研究人员对五名癌症患者和五名健康捐赠者的血清样本进行分析，发现 DNM 能准确检测到 CD9 和 CD147 双阳性 EVs，在癌症患者血清中占 0.93%，在健康对照血清中占 0.17%，两者差异具有显著性（p < 0.05），而 SP - FCM 却无法检测出这种差异（如图 6a - e 所示）。
综合来看，研究人员开发的 Deep Nanometry 技术，将无监督深度学习去噪与专门的纳米颗粒检测光流体技术相结合，实现了对纳米颗粒的高灵敏度、高通量和高可扩展性分析。它能检测到小至 30nm 的聚苯乙烯珠子，在血清中无需纯化就能检测到极为稀有的 CD9 和 CD147 双阳性 EVs，还能用于癌症的诊断检测，为早期疾病诊断提供了新的可能。这种技术的应用前景十分广阔，不仅能用于多参数检测基于 EVs 的生物标志物，助力药物和疫苗中病毒或药物递送颗粒的开发和质量保证，还能帮助科研人员更深入地了解体液中 EVs 群体的特性，探索稀有 EVs 的临床意义。不过，研究人员也指出，未来还有改进的空间，比如进一步开发能去除信号相关散粒噪声的方法，让 DNM 技术更加完善，为纳米颗粒分析领域带来更多突破，为生命科学、医学等相关领域的发展注入新的活力。
