《TRAC-TRENDS IN ANALYTICAL CHEMISTRY》：SERS Engineering for Liquid Biopsy of Hepatocellular Carcinoma: From Random Hotspots to Clinical Translation
编辑推荐：
HCC早期诊断面临传统方法灵敏度低、特异性不足等问题，SERS技术凭借高灵敏度、分子指纹特异性和实时分析优势成为液体活检新方向，通过纳米材料工程、CRISPR放大和AI辅助分析等突破，但仍需解决稳定性、基质干扰等临床转化瓶颈，提出整合灵敏度、放大效率和系统集成的工程框架。
张超鹏|李晨涛|陈水云|王英琳|赵思远|李德志|刘青
上海科学技术大学健康科学与工程学院，中国上海200093
摘要
肝细胞癌（HCC）具有高度侵袭性和异质性，但在早期阶段通常无症状，这使得筛查和早期诊断变得具有挑战性。传统的检测方法（ELISA、PCR和下一代测序）在灵敏度、特异性、多重检测能力和即时检测可行性方面存在局限性，无法可靠地检测血清中微量蛋白质和核酸。表面增强拉曼散射（SERS）技术具有超高的灵敏度、分子指纹特异性以及快速、无损的检测能力，可以实现HCC生物标志物的液体活检检测。最近的研究进展包括工程化的等离子体基底、功能性界面（包括二维材料和MXenes）、稳定的SERS标签和多重检测技术、人工智能辅助的无标记分析方法，以及基于CRISPR的级联扩增技术，这些技术可用于检测AFP/AFP-L3/DCP/GPC3、ctDNA、miRNA、细胞外囊泡和循环肿瘤细胞等目标物质。然而，热点区域的变异性、基质干扰、扩散限制的捕获效应以及缺乏标准化和可扩展的平台仍然阻碍了SERS技术的临床应用。本文从工程学的角度综合了这些进展，并提出了一个框架，将鲁棒性、扩增能力和系统集成与临床应用案例联系起来。
引言
肝细胞癌（HCC）是一种高度侵袭性的恶性肿瘤，其高发病率和死亡率对全球健康造成了巨大负担[1][2]。由于早期HCC通常没有临床症状，大多数患者在疾病中期或晚期才被诊断出来，从而错过了根治性手术的最佳时机[3][4]。因此，对高风险人群的有效筛查和早期病变的准确识别对于改善HCC患者的预后至关重要。
临床对精准早期检测的需求推动了大量关于液体活检生物标志物的研究，这些标志物包括已知的血清蛋白（如AFP、AFP-L3、DCP和GPC3）和新兴的核酸目标（microRNAs (miRNAs)、长非编码RNAs (lncRNAs) 和循环肿瘤DNA (ctDNA)），以及循环肿瘤细胞（CTCs）和细胞外囊泡（EVs，例如外泌体）[5][6]。然而，令人沮丧的是，尽管生物标志物的种类不断增加，但诊断效率并未显著提高。传统的分析技术——无论是ELISA、基于PCR的检测方法还是下一代测序——在面对实际临床挑战时仍存在局限性：灵敏度上限限制了超微量信号的可靠检测（例如ctDNA在aM水平）[7]；特异性容易受到复杂生物基质的背景干扰[8]；分析维度有限，无法实现反映肿瘤异质性的高通量多重检测；以及平台层面的限制（例如劳动密集型工作流程、较长的检测时间和高昂的成本），这些都不适合即时检测（POCT）和实时纵向监测[9]。为了清楚地了解这些瓶颈，表1比较了用于早期HCC液体活检的代表性分析平台，并总结了它们在灵敏度（LOD/阈值）、多重检测能力和检测时间方面的实际能力边界和转化限制。需要注意的是，表1中的指标是在不同研究条件下报告的代表性数值，旨在描绘性能范围，而不是进行严格的对比排名。
在这种未满足的临床需求背景下，表面增强拉曼散射（SERS）技术因其内在的分子“指纹”特异性[10][11]和等离子体增强的高灵敏度信号读出[12]而受到了广泛关注。这些特性使SERS技术在复杂生物基质中的多重生物标志物检测和干扰抑制方面具有潜在的优势。在学术层面，SERS技术已经展示了出色的诊断能力，包括aM（10^-18 M）水平的核酸检测[7]、基于拉曼频率位移（RFS）的稳健定量策略[12][13][14]、单细胞原位SERS成像[16][17]，以及用于即时检测（POCT）的CRISPR-SERS集成平台[18]。
尽管取得了这些令人瞩目的学术进展，但SERS技术向临床实践的转化进展相对缓慢。根本障碍在于SERS信号响应的不稳定性和较差的可重复性[19][20]。这一挑战源于多个方面：首先，传统的SERS基底依赖于等离子体“热点”的随机分布，导致批次间的信号波动明显；其次，识别探针（如抗体和适配体）在纳米生物界面上的构象和取向难以精确控制，引入了额外的信号波动；最后，复杂临床样本（如血清）中的内源性成分会产生大量背景干扰[21]，严重影响了目标信号的提取准确性和信噪比[22]。因此，SERS技术在HCC诊断中的研究重点发生了明显转变：不再仅仅追求更高的增强因子（EF），而是更加注重传感器系统工程，目标是实现可控、稳健且信噪比高的定量读出，以满足临床应用需求。
基于此，本综述摒弃了传统的按生物标志物类别分类SERS材料或单独总结技术进展的做法，提出了一个以临床转化为核心工程约束的分析框架。我们系统地总结了基于SERS的HCC蛋白质、核酸、细胞和细胞外囊泡生物标志物检测的关键进展，并从三个相互关联的工程维度对这些进展进行了评估。第一个维度关注信号工程的鲁棒性，探讨了如何从源头减轻SERS的不稳定性——例如，从随机热点转变为有序的纳米结构阵列，从基于强度的定量转变为基于频率或比率的读出[12][13][14]，以及从传统的指纹区域转变为拉曼沉默窗口[21][23][24][25][26]。第二个维度探讨了基于灵敏度的扩增工程，旨在实现临床意义上的痕量级检测，包括从化学计量扩增[27]到催化扩增[28]，以及从传统的SERS标签到整合CRISPR系统或纳米酶的级联扩增方案[18]。第三个维度评估了转化平台工程，评估了从实验室规模验证到临床应用的可行性，包括将SERS-AI光谱指纹技术与微流控或侧向流动免疫测定（LFIA）基POCT平台的集成[17][32]。预计这一综合框架可以为未来基于SERS的HCC诊断平台的合理设计提供系统性的基础。
患者血清/血浆是用于分析循环HCC生物标志物（蛋白质、核酸、CTCs和EVs）的样本。SERS基底提供了等离子体信号增强，支持在复杂基质中的稳健分析。信号读出可以通过无标记光谱指纹技术和人工智能辅助分析进行，或者通过基于标签的检测方法进行多重定量。输出结果可以与便携式拉曼仪和POCT格式（如LFIA条带和微流控芯片）兼容，用于筛查、监测和最小残留疾病（MRD）评估。
部分摘录
蛋白质生物标志物检测
尽管甲胎蛋白（AFP）长期以来一直被确立为HCC筛查的主要临床指标[45][46]，但其总体诊断灵敏度约为60%，并且在良性肝病（如慢性肝炎）中也会出现AFP水平升高，导致较高的假阳性率[47]。在肿瘤早期发展阶段或手术后监测最小残留疾病（MRD）时，AFP的循环浓度以及更具体的...
全谱指纹技术与机器学习结合
无标记SERS的直接实现方法是将复杂的生物液体（如血清）与SERS基底混合，从而获得反映样本整体生化状态的“光谱指纹”——整合了蛋白质、脂质和核酸的集体贡献。当前的工程重点在于物理富集和算法升级之间的协同作用。鉴于血清中的生物标志物浓度通常非常低，直接测量...
结论与展望
近年来，贵金属纳米结构的可控合成、微/纳米制造（如纳米压印和光刻）、异质结构工程、功能材料集成、数据驱动的光谱分析和生化级联反应等方面的进展，大大扩展了SERS技术在HCC液体活检中的方法基础和应用范围。对于AFP、AFP-L3、DCP和GPC3等蛋白质生物标志物，已有几种基于SERS的平台实现了定量检测...
CRediT作者贡献声明
张超鹏：撰写——原始草稿，正式分析，数据整理。李德志：资源提供。赵思远：指导监督。刘青：方法学设计，资金获取，概念构思。李晨涛：方法学研究。王英琳：实验研究。陈水云：数据整理
数据可用性
数据将应要求提供。
利益冲突声明
作者声明没有已知的财务利益或个人关系可能影响本文所述的工作。
致谢
本工作得到了国家自然科学基金（编号32472441）的支持。
