编辑推荐：
为解决肝脏疾病治疗中细胞治疗的难题，研究人员开展利用机器学习辅助表面增强拉曼光谱（SERS）评估人间充质干细胞（hMSCs）向肝祖细胞（HPCs）和肝细胞样细胞（HLCs）分化的研究。结果显示监测准确率高，该研究对肝脏疾病细胞治疗意义重大。
在肝脏疾病的治疗领域，肝移植一直是终末期肝病患者的重要希望，但现实却充满挑战。合适的肝脏供体严重短缺，许多患者在等待中病情恶化；而且，移植后患者需要终身服用免疫抑制药物，这不仅带来高昂的经济负担，还会引发各种副作用。与此同时，干细胞治疗作为新兴的治疗手段，为肝脏疾病的治疗带来了曙光。间充质干细胞（MSCs）具有多向分化潜能，能够分化为肝细胞等多种细胞类型，在肝脏疾病治疗中展现出巨大的潜力。肝祖细胞（HPCs）可以分化为肝细胞和胆管细胞，对受损肝脏组织的再生意义重大；肝细胞样细胞（HLCs）在形态和功能上与肝细胞相似，有望替代肝细胞发挥作用。然而，干细胞治疗在实际应用中却困难重重。目前，对于干细胞分化过程的监测手段存在诸多不足，像传统的逆转录定量聚合酶链反应（RT-qPCR）、流式细胞术等，这些方法不仅需要破坏细胞，导致细胞无法用于治疗，而且难以实现实时、动态的监测，这严重限制了干细胞治疗的发展。因此，开发一种高灵敏度、无标记、实时的监测技术迫在眉睫。
在这样的背景下，研究人员开展了一项极具意义的研究。他们利用表面增强拉曼光谱（SERS）结合机器学习算法，对 hMSCs 向 HPCs 和 HLCs 的分化过程进行监测。研究成果发表在《BIOMATERIALS RESEARCH》上。这一研究成果为肝脏疾病的细胞治疗提供了新的方向和有力的技术支持，有望推动干细胞治疗从实验室走向临床应用的进程。
研究人员主要运用了以下几种关键技术方法：首先，通过特定的培养条件，诱导 hMSCs 分化为 HPCs 和 HLCs；然后，使用基于 Au-ZnO 纳米棒阵列的 SERS 传感芯片，收集细胞分泌物的拉曼光谱信号；接着，运用主成分分析（PCA）进行降维处理，再通过线性判别分析（LDA）对光谱数据进行分类，以此来评估细胞的分化状态。
研究结果
- 细胞分化的验证：研究人员通过分子实验方法，如 RT-qPCR 和人白蛋白酶联免疫吸附测定（ELISA），验证了 hMSCs 向 HLCs 的分化。分化后的细胞形态从成纤维细胞样转变为卵圆形，呈现出肝细胞样的形态。同时，肝细胞相关基因（如 ALB、CYP3A4、HNF4A 和 HNF1A）的 mRNA 水平显著上调，白蛋白分泌水平也明显增加。
- SERS 信号的获取与分析：研究人员从细胞培养液和分泌物的体外样本中过滤出纳米生物标志物，并测量了捕获在纳米多孔结构中的分子的 SERS 信号。不同细胞（hMSCs、HPCs 和 HLCs）的分泌物具有不同的拉曼光谱特征峰。例如，hMSCs 独特地表现出对应于 C-N 键（1,130 cm-1）、CH 变形（1,320 cm-1）和酰胺 II（1,544 cm-1）的峰；HPCs 显示出脯氨酸（793 cm-1）、苯丙氨酸（1,030 cm-1）和酰胺 I（1,685 cm-1）的特定峰；而 HLCs 没有独特的峰。
- 机器学习算法评估细胞培养监测的准确性：研究人员应用主成分 - 线性判别分析（PC-LDA）这一人工智能算法对光谱数据进行分析，能够清晰地区分 hMSCs、HPCs 和 HLCs，监测准确率分别达到 96.3%、98.8% 和 98.8%。通过对不同主成分（PC）数量下的受试者工作特征（ROC）曲线分析，进一步验证了该算法的准确性。
- SERS 评估细胞分化过程有效性的验证：研究人员收集了 hMSCs 向 HPCs 和 HPCs 向 HLCs 分化过程中第 2、4、7 天的细胞分泌物，并获取 SERS 信号。结果显示，不同分化阶段的光谱数据在 PC-LDA 空间中有明显的分组，表明 SERS 技术能够监测细胞分化过程中的细微变化，且准确性较高。同时，某些光谱区域随时间的顺序变化，证明了拉曼信号可作为监测干细胞分化的可靠指标。
研究结论与讨论
这项研究成功开发了一种利用一滴分泌物快速监测细胞培养和分化的技术。通过获取 SERS 信号并应用机器学习算法，研究人员能够高精度地监测 hMSCs 向 HPCs 和 HLCs 的分化过程。这一技术的优势在于可以实现实时、无损的观察，且样本标记和预处理简单。然而，该技术也存在一些局限性。例如，从细胞分泌物的信号来推断分化率存在困难，环境因素对拉曼光谱模式有影响，难以仅根据特定峰来解释诊断证据等。尽管如此，该研究仍然为肝脏疾病的细胞治疗提供了重要的技术支持。未来，研究人员可以进一步优化实验设计，克服这些局限性，推动基于机器学习的 SERS 技术在临床中的应用，为肝脏疾病患者带来更多的希望。
