小细胞外囊泡（sEV）上蛋白质标记物的分子图谱是精确检测和分类卵巢癌的一种很有前途的策略。然而，由于缺乏简单实用的检测方法，这种策略的发展应用一直非常困难。

使用基于适体的纳米流式细胞术（nFCM）检测策略，国科大杭州高等研究院分子医学院谭蔚泓教授和渠凤丽研究员等人开发了一种简单快速的方法来对sEV上的多种蛋白质标记物进行分子分析。蛋白质标记物可以很容易地用适体探针进行标记，然后通过nFCM进行快速分析。研究显示，血浆sEV上的七种癌症相关蛋白标志物，包括CA125、STIP1、CD24、EpCAM、EGFR、MUC1和HER2，都可用于卵巢癌的分子检测和分类，准确率高达94.2%。此外，结合机器学习算法，如线性判别分析（LDA）和随机森林（RF），实现了卵巢癌症细胞系和亚型的分子分类，总体准确率分别为82.9%和55.4%。

因此，这种简单、快速、无创的方法在临床实践中对卵巢癌的辅助诊断和分子分类显示出相当大的潜力。相关工作以“An Aptamer-Based Nanoflow Cytometry Method for the Molecular Detection and Classification of Ovarian Cancers through Profiling of Tumor Markers on Small Extracellular Vesicles”为题发表在Angew。

【文章要点】

nFCM可以用于检测分析sEV和小至40nm的纳米粒子。与以前的方法相比，nFCM可以快速、灵敏地在sEV上绘制蛋白质标记，而无需复杂而耗时的操作。一般来说，在抗体和适体等分子识别元件的帮助下，用可检测的标签（如荧光团或特异性DNA序列）标记蛋白质是鉴定蛋白质的一个重要步骤。与抗体相比，适体可以轻易廉价地合成，并用所需的标签进行位点选择性修饰，用于蛋白质标记和检测。此外，相对较小尺寸的适体可能使其与其靶蛋白之间的结合不太容易受到糖基化引起的空间位阻的影响。因此，适体是分析EVs上蛋白质的强大工具。

图1 用于卵巢癌分析的nFCM策略

有鉴于此，使用基于适体的nFCM检测策略，作者对七种卵巢癌相关蛋白标志物进行表型分析，包括sEV上的CA125、STIP1、CD24、EpCAM、EGFR、MUC1和HER2（图1）。sEV上的蛋白质标记物首先用含有FAM荧光团的相应适体探针标记。然后，用nFCM检测含有蛋白质标记物的sEV（即适体探针标记的sEV），快速分析sEV上的蛋白质标记并记录含有蛋白质标记物的sEVs与总检测sEVs的比率（即阳性率），用于卵巢癌症的检测和分类。

此外，通过将阳性率分析与机器学习算法相结合，如LDA、RF、神经网络（NN）和支持向量机（SVM），作者实现了卵巢癌的分子分类（图2）。值得注意的是，卵巢癌的分子检测和分类可以在数小时内实现，不需要侵入性和复杂的手术。因此，本研究中提出的方法在临床实践中具有卵巢癌分子检测和分类的潜力。

图2 基于机器学习的卵巢癌分类

原文链接：

https://onlinelibrary.wiley.com/doi/10.1002/anie.202314262