一种用于机器学习辅助胃癌液体活检的双模式原位EV-miRNA分析平台

《Advanced Science》：A Dual-Mode In Situ EV-miRNA Profiling Platform for Machine-Learning-Assisted Gastric Cancer Liquid Biopsy

　　

EV-miRNA是用于胃癌（GC）早期诊断的有前景的生物标志物，然而其临床应用受到由EV-miRNA低丰度和高序列同源性引起的重大检测挑战的限制。在此，研究人员开发了一种基于脂质体包封的局部指数催化发夹组装（L-LECHA）的双模式平台，用于敏感的EV-miRNA原位分析。L-LECHA能够将局部指数催化发夹组装系统递送至EV内并激活指数信号放大，从而实现EV-miRNA的灵敏快速检测。基于L-LECHA，该平台实现了52.48 aM的检测限，较典型ECHA提高了10.96倍。与单模式检测相比，双模式平台表现出更宽的线性检测范围和更高的准确性。通过将EV-miRNA组合与k近邻（KNN）模型相结合，该平台在GC诊断中达到了0.974的AUC。它还可用于GC的病理分类。这项工作为GC液体活检和精准管理提供了强大的工具。

## 论文解读：双模式原位EV-miRNA分析平台用于机器学习辅助胃癌液体活检

### 1. 研究背景与问题

胃癌（GC）是全球常见的恶性肿瘤，发病率和死亡率均居前列。现有临床管理手段如胃镜、组织活检和影像学检查存在侵入性、依赖操作者、对早期病变灵敏度不足等局限，导致诊断延迟和治疗选择不当。细胞外囊泡（EVs）是细胞间通讯的关键介质，可携带多种活性分子，包括miRNA，并深度参与GC的发生、侵袭、转移和恶性进展。临床证据表明，EV-miRNA在GC患者中呈现异常表达，与肿瘤发生发展密切相关，是液体活检的理想标志物。然而，EV-miRNA的临床转化面临瓶颈：RT-qPCR虽为金标准，但需裂解EV和提取RNA，过程复杂且易导致目标降解和样本丢失；原位检测可避免上述问题，但传统分子信标和纳米火炬仅产生1:1信号输出，受单个EV纳米级体积限制，难以检测低丰度靶标。酶介导扩增系统条件苛刻，传统无酶线性扩增如催化发夹组装（CHA）效率有限，指数型催化发夹组装（ECHA）虽能实现指数放大，但存在热力学驱动的背景泄漏，且单模式信号输出易受复杂生物体液基质干扰。因此，亟需建立一种高灵敏、高准确、可兼顾反应动力学与背景抑制的原位EV-miRNA检测平台。

### 2. 研究内容与意义

研究人员开发了一种基于脂质体包封的局部指数催化发夹组装（L-LECHA）的双模式原位EV-miRNA分析平台。该平台通过将LECHA电路递送至EV内，实现原位指数信号放大，并结合荧光和电化学双模式读出，与机器学习模型联合，在临床队列中实现了GC的精准诊断和病理分型。该研究发表在《Advanced Science》上。其意义在于为GC液体活检和精准管理提供了一个稳健且通用的工具。

### 3. 关键技术方法

该研究使用了以下主要技术方法：①通过DNA支架连接两个CHA系统，构建局部指数催化发夹组装（LECHA），实现自催化反馈放大；②采用阳离子脂质体包封LECHA，制备L-LECHA，利用膜融合将探针递送至EV内；③采用荧光光谱和差分脉冲伏安法（DPV）进行双模式信号读出；④利用临床血浆样本队列进行验证，样本来源于南方医科大学南方医院，包括健康供者、不同分期GC患者及病理分型样本；⑤应用梯度提升、RBF SVM、线性SVM、随机森林和KNN等机器学习模型进行诊断和分类。

### 4. 研究结果

#### 2.1 基于局部指数催化发夹组装（LECHA）的双模式分析可行性

研究人员通过琼脂糖凝胶电泳验证了LECHA的成功组装和靶标触发，并确认CHA-1与CHA-2之间的交互激活。反应动力学显示，LECHA在30分钟内达到信号峰值，反应时间比局部级联CHA（LCHA）缩短1.3倍，信号增益提高1.24倍。与无支架定位的ECHA和全指数LAECHA相比，LECHA实现了信号输出与背景泄漏的最佳平衡，信噪比达15.2。优化关键条件后，荧光模式检测限为549.54 aM，电化学模式为52.48 aM；荧光模式在高浓度区间响应强，电化学模式在低浓度区间灵敏度高，两者结合可覆盖100 aM至10 nM的宽检测范围。

#### 2.2 基于脂质体包封LECHA（L-LECHA）的原位EV-miRNA分析平台构建

研究人员通过透射电镜、动态光散射、zeta电位、FRET及超分辨显微镜证实，L-LECHA与EV发生膜脂质混合和融合。阳离子脂质体通过静电吸引促进膜接触和融合，实现探针的囊泡内递送。以AGS和GES-1来源的EV为模型，L-LECHA可区分miR-1246的表达差异，AGS EV产生的荧光和DPV信号分别是GES-1 EV的5.44倍和4.74倍。RNase保护实验表明，原位囊泡内反应优于预先裂解EV的工作流程，信号输出更高。

#### 2.3 细胞系EV中的RNA分析

研究人员对三种胃癌细胞系（AGS、MKN-74、HGC-27）和一种胃黏膜上皮细胞系（GES-1）来源的EV进行双模式分析，结果显示肿瘤细胞EV中miR-1246的荧光和电化学信号均显著高于GES-1，且不同细胞系间呈梯度表达。超分辨显微镜结果与整体表达模式一致。荧光和电化学信号与EV浓度均呈强线性相关（R² > 0.96），证实了平台的高准确性和可靠性。通过GEO数据集GSE332730差异表达分析和文献交叉验证，确定了由EV-miR-1246、EV-miR-183-5p和EV-miR-142-5p组成的EV-miRNA组合。RT-qPCR验证显示，三种miRNA的表达趋势与双模式L-LECHA测量一致（荧光R²=0.82，电化学R²=0.95）。

#### 2.4 双模式L-LECHA用于EV-miRNA分析的临床可行性

在初步队列（10例早期GC患者和10例健康供者）中，三种EV-miRNA在GC患者中的表达均上调。3D-PCA显示，单模式（荧光或电化学）分析的部分样本存在重叠，而双模式分析实现了几乎完全的组间分离。logistic回归后，双模式分析达到AUC=1.00，显著优于单独荧光或电化学模式，也优于单/双miRNA组合。混淆矩阵进一步确认了双模式L-LECHA在GC诊断中的优异性能。

#### 2.5 机器学习辅助的胃癌诊断

在扩展的分期队列（25例健康供者、27例I-II期GC、28例III-IV期GC）中，数据按7:3随机分为训练集和验证集。训练集（15例HD、18例I-II期、18例III-IV期）中，KNN模型表现最佳，AUC=0.974，且五折交叉验证结果稳定。ROC分析显示，KNN模型显著改善了HD、I-II期和III-IV期的区分能力（AUC分别为0.97、0.99和0.84），总体准确率78.43%。验证集（10例HD、9例I-II期、10例III-IV期）的宏AUC为0.940（95% CI 0.886–0.983），灵敏度79.26%，特异度88.97%，准确率89.66%。外部验证集（12例HD、12例I-II期、12例III-IV期）的AUC为0.9132，准确率83.33%。此外，该平台还实现了病理类型的判别，总体准确率87%。

### 5. 讨论与结论

讨论部分指出，L-LECHA平台实现了52.48 aM的检测限，较典型ECHA提高10.96倍。与代表性EV-miRNA检测平台相比，该平台在反应速度、检测范围、多重能力、原位分析和双模式读出方面取得了良好平衡。但仍存在局限性：当前工作流程需预先分离EV，总处理时间超过2小时，未来可结合微流控实现一步检测；纳入队列仅80例且验证集较小，需进行大规模多中心验证；未来还可联合EV相关蛋白等不同类别生物标志物，以提供更全面的生物学信息。

结论：研究人员建立了一种双模式平台用于EV-miRNA原位检测。结合EV-miRNA组合与机器学习，该平台可用于GC诊断和病理分层，未来有望应用于GC液体活检。