根据多重蛋白质进行单细胞分析和分类,使用基于微滴的自动磁性表面增强拉曼光谱平台,辅助机器学习算法
Jiaqi Wang1, Lili Cong1, Wei Shi2
1State Key Laboratory of Supramolecular Structure and Materials, College of Chemistry, Jilin University, Changchun 130012, P. R. China.
Analytical chemistry
|July 7, 2023
概括
这项研究引入了微滴表面增强拉曼光谱 (SERS) 方法,用于检测单细胞上的细胞外囊蛋白 (EV蛋白). 该技术通过利用免疫磁珠来缩EV蛋白来提高灵敏度,有助于乳腺癌研究.
科学领域:
- 生物技术是生物技术.
- 分析化学 分析化学
- 癌症研究 癌症研究
背景情况:
- 细胞外囊蛋白 (EV蛋白) 是了解细胞过程和疾病的关键生物标志物.
- 目前用于EV蛋白分析的方法往往缺乏单细胞分辨率的灵敏度.
- 表面增强拉曼光谱 (SERS) 提供高灵敏度,但需要对复杂的生物样本进行优化.
研究的目的:
- 开发一种基于微滴的新型SERS平台,用于在单细胞水平上敏感检测EV蛋白.
- 研究免疫磁珠在细胞表面上的自我重定向现象,以增强信号放大.
- 应用机器学习来分析EV蛋白样本,以区分乳腺癌亚型.
主要方法:
- 构建一个微滴SERS平台以封装单个细胞.
- 使用免疫磁珠 (iMB) 和免疫-SERS标签 (iSERS标签) 进行滴入免疫测试.
- 利用静电力来对细胞膜上的iMB,EV蛋白和iSERS标签进行界面聚合.
- 应用机器学习算法来分析检测到的EV蛋白数据.
主要成果:
- 在SERS灵敏度显著提高,直到单细胞分析水平.
- 观察到IMB在细胞表面上的自发重定位,从而产生SERS热点.
- 从两个乳腺癌细胞系成功收集和分析了三种EV蛋白.
- 鉴定了基于EV蛋白档案的乳腺癌亚型区分的潜力.
结论:
- 微滴SERS平台为单细胞EV蛋白分析提供了灵敏有效的方法.
- 观察到的界面聚合现象是实现高SERS灵敏性的关键.
- 这种方法为推进乳腺癌亚型和生物标志物发现提供了一个有前途的工具.
