微乳头（micropapillary，MPP）亚型作为肺腺癌（lung adenocarcinoma，LUAD）的重要病理学特征，其准确识别对于手术方案的制定具有决定性意义。然而，现行的术前穿刺活检和术中冰冻切片等传统检测方法在MPP亚型检出率和手术切缘指导方面存在明显局限性，亟需建立一种无创、快速的MPP亚型检测体系以实现精准的预后评估。
针对这一临床需求，我院王静研究员团队开创性地采用多组学整合研究策略：首先通过4D非标记定量蛋白质组学技术，系统鉴定了MPP⁺与MPP⁻ LUAD患者血清中的44个差异表达蛋白，并运用生物信息学方法筛选出4个最具诊断潜力的MPP亚型特异性蛋白标志物；进而自主研发了高灵敏度的微流控表面增强拉曼散射（SERS）检测平台，实现了这4种血清标志物的精准定量检测。
研究团队创新性地引入机器学习算法（包括随机森林、逻辑回归和朴素贝叶斯等），构建了MPP亚型智能诊断模型。在22例患者的验证队列中，该模型的受试者工作特征曲线下面积（AUC）达到0.86，展现出优异的鉴别效能。这项研究不仅建立了基于血清蛋白质组学的MPP亚型无创检测新方法，更为重要的是，为肺癌精准手术决策提供了可靠的分子标志物检测替代方案。
该研究成果以“Proteomics-Empowered Microfluidic-SERS Immunoassay for Identifying and Detecting Biomarkers of Micropapillary Lung Adenocarcinoma”为题发表在一区Top学术期刊《Advanced Science》上。福建师范大学为第一单位，光电与信息工程学院研究生张德春与福建医科大学附属协和医院彭凯明医生为共同第一作者，我院王静研究员为唯一通讯作者。该研究得到国家自然科学基金、福建省优秀科学基金计划、福建省科技创新联合基金和福建省引导性项目的支持。
论文链接：https://doi.org/10.1002/advs.202501336
