建立一種檢測乳腺癌和卵巢癌生物標志物（精胺(Spm)和N-乙酰神經氨酸(NANA)）的先進分析方法對于實現乳腺癌和卵巢癌的早期診斷以及保護女性健康而言具有重要意義。有鑒于此，同濟大學閆冰教授構建了一種基于雙發射比率熒光傳感器、深度學習輔助的人工視覺平臺，以用于檢測Spm和NANA。
本文要點：
（1）比率熒光傳感器(Eu@TCBP-HOF，1)可基于"Turn-on"模式選擇性檢測Spm，且具有較高的靈敏度。加入Spm后，新的比率熒光傳感器(1-Spm，命名為2)則能夠在"Turn-off"模式下對NANA表現出較高的檢測靈敏度。此外，該熒光傳感器也可對Spm和NANA產生明顯的熒光顏色響應。
（2）在真實的唾液和血清樣本中，傳感器1和2能夠表現出較高的檢測靈敏度和顏色響應性，對Spm的檢測限為0.5 μM，對NANA的檢測限為0.96 μM。利用不同的熒光響應，深度學習的DenseNet算法能夠輔助熒光傳感器以作為模擬人類視覺的系統，從而識別熒光圖像，并在1 s內檢測出Spm和NANA濃度，其識別準確率超過99%。綜上所述，該研究開發的智能人工視覺平臺有望為實現對女性惡性腫瘤的早期診斷提供一種新的分析方法。
Zhongqian Hu. et al. Deep Learning-Assisted Intelligent Artificial Vision Platform Based on Dual-Luminescence Eu(III)-Functionalized HOF for the Diagnosis of Breast and Ovarian Cancer. Analytical Chemistry. 2023
DOI: 10.1021/acs.analchem.3c04624
https://pubs.acs.org/doi/10.1021/acs.analchem.3c04624
