基于血浆分离与无标记SERS技术的鼻咽癌筛查及免疫疗效评估新策略

为解决鼻咽癌（NPC）免疫治疗个体差异大、缺乏特异性生物标志物的问题，研究人员结合无标记表面增强拉曼光谱（SERS）与血浆分离技术，建立了PCA-LDA机器学习模型。结果显示，上层血浆区分健康人群与治疗后患者的灵敏度/特异性达88.5%/92.3%，下层血浆区分治疗前后患者的指标为84.6%/80.8%。该研究为NPC免疫治疗人群筛选和疗效监测提供了新方法。

　　

鼻咽癌诊疗的困境与突破
鼻咽癌（NPC）作为头颈部高发肿瘤，因发病隐匿导致70%患者确诊时已至中晚期。尽管放疗和PD-1抑制剂等免疫疗法显著提升了疗效，但患者个体差异导致治疗响应率波动大，亟需可靠的生物标志物筛选获益人群。传统检测方法如ELISA和PCR存在成本高、耗时长等局限，而液体活检技术中"蛋白冠效应"又易造成信息丢失。

创新研究方法与技术路线
闽江大学等机构的研究团队在《Analytica Chimica Acta》发表的研究中，创新性地将无标记表面增强拉曼光谱（SERS）与10 KDa分子量截留的血浆分离技术结合。通过纳米级银颗粒（Ag NPs）增强基底，采集52例NPC患者治疗前后及健康志愿者的血浆光谱数据，利用PCA-LDA算法构建分类模型。

关键实验技术

1. 血浆分层处理：采用Nanosep超滤离心管分离不同分子量组分
2. 无标记SERS检测：羟基胺还原法制备Ag NPs增强基底
3. 机器学习分析：主成分分析-线性判别分析（PCA-LDA）模型构建

分层研究结果
上层血浆的鉴别效能
在>10 KDa组分中，模型对健康组与治疗后组的区分表现最优，灵敏度达88.5%，特异性92.3%。光谱分析显示治疗后患者芳香族氨基酸信号减弱，提示免疫治疗可能影响蛋白质代谢。

下层血浆的动态监测价值
<10 KDa组分中，治疗前后患者的区分准确率显著（灵敏度84.6%，特异性80.8%）。研究者发现治疗后核酸相关峰位强度变化，可能与PD-1抑制剂调节肿瘤微环境有关。

技术优势验证
对比未分离血浆，分层处理使分类准确率提升12.7%，有效缓解了蛋白冠效应导致的小分子信号掩蔽问题。该结果证实分子量分级能挖掘潜在诊断信息。

临床转化意义
这项研究首次将SERS技术应用于NPC免疫治疗预测领域，其创新性体现在：

1. 通过物理分离突破蛋白冠效应的技术瓶颈
2. 建立可解释的光谱生物标志物体系
3. 为PD-1抑制剂疗效评估提供实时监测工具

研究者指出，未来需扩大样本量验证标志物稳定性，并探索SERS信号与PD-L1表达等分子特征的关联。该技术路线有望推广至其他肿瘤免疫治疗领域，推动精准医疗发展。