准确识别肺部恶性病变对于提升患者生存率至关重要。然而，临床上肺结节恶性和良性的鉴别仍然面临极大挑战。计算机断层扫描 (CT)筛查虽是肺癌的常规筛查工具，但存在分辨率低、假阳性高的局限；而组织活检无法克服肿瘤异质性，且具有侵入性。因此，迫切需要发展灵敏、便捷、无创的方法来精确分辨良恶性肺部肿瘤。近年来，非标记表面增强拉曼光谱 (SERS)血液分析技术在肿瘤检测中表现出了极大的应用潜力。然而，信号重复性不足等问题阻碍了其进一步的临床应用。为克服上述难题，本工作研发了一个由亲疏水特征驱动的自定位SERS平台（DHH平台），并结合机器学习算法开展肺部良、恶性结节的精确识别。该平台通过疏水圈围绕亲水中心的结构成功地驱动了液滴的自动定位，克服了“咖啡环效应”，极大提升血清光谱信号的重复性。此外，利用Nanosep工具对血清中不同分子量的分子进行分离与检测，克服了由于纳米颗粒表面“蛋白冠”形成而导致的诊断信息丢失的难题，找到了谷胱甘肽、核苷酸异常代谢物等用于指征恶性肿瘤的分子标志物，并通过液相色谱-串联质谱方法对光谱检测结果进行验证。最后利用AdaBoost算法，获得优异的肺癌检测结果，准确率为96.3%。该技术有望为临床肺部恶性肿瘤鉴别提供光学检测新方法。
亲疏水特征驱动的自定位SERS平台用于良恶性肿瘤患者血液分析
研究成果目前以“LC-MS/MS-assisted label-free SERS blood analysis by self-position plasmonic platform for tumor screening”为题发表于国际权威期刊《Chemical Engineering Journal》（IF=15.1，SCI一区Top），福建师范大学为第一单位，我校博士研究生范敏为第一作者，冯尚源教授、林多教授和卢玉栋教授为共同通讯作者。该工作得到了国家自然科学基金、福州市科技重大专项、福建省雏鹰计划青年拔尖人才等项目资助。
论文链接：https://www.sciencedirect.com/science/article/pii/S1385894724008337
