Small：肿瘤细胞来源的外泌体检测和图谱研究进展
来源：本站原创 2021-06-15 09:56
外泌体被称为纳米大小的囊泡(30-200 nm)，由许多类型的细胞分泌。肿瘤来源的外泌体具有作为早期临床诊断和评价肿瘤治疗效果的生物标志物的巨大潜力。常规检测方法灵敏度低，重现性差。近年来，有数百篇论文用不同的检测方法发表，以应对这些挑战。近日，复旦大学上海口腔医院的研究者在Small杂志上发表了题为"Recent Progress in Detection
外泌体被称为纳米大小的囊泡(30-200 nm)，由许多类型的细胞分泌。肿瘤来源的外泌体具有作为早期临床诊断和评价肿瘤治疗效果的生物标志物的巨大潜力。常规检测方法灵敏度低，重现性差。近年来，有数百篇论文用不同的检测方法发表，以应对这些挑战。近日，复旦大学上海口腔医院的研究者在Small杂志上发表了题为"Recent Progress in Detection and Profiling of Cancer Cell-Derived Exosomes"的综述性文章。本文对各种检测策略的开创性研究进行了全面的总结，并对这些检测方法的分析性能进行了评价。此外，还对外泌体分子组成(蛋白质和核酸)图谱、单一外泌体图谱及其在临床癌症诊断中的应用进行了综述。最后介绍了机器学习方法在外泌体研究中的原理和应用。
图片来源：https：//pubmed.ncbi.nlm.nih.gov/34075696/
20世纪80年代在绵羊网织红细胞中发现了外泌体，当时研究人员观察到铁蛋白标记的转铁蛋白受体最初存在于绵羊网织红细胞上，后来以囊泡的形式释放。它们存在于许多体液中，参与细胞间的通讯，携带丰富的分子信息，如蛋白质、核酸、脂质和代谢物。越来越多的研究表明，exosome被认为是癌症(如乳腺癌、胰腺癌)、精神疾病(如阿尔茨海默病、帕金森病)和肿瘤(如黑色素瘤)的可靠早期预警。因此，胞外体被广泛应用于疗效评价、复发转移监测等方面。基于这些生物标志物开发了各种简化的检测技术。最近，基于微流体和微阵列平台的集成方法为高通量和快速检测外泌体带来了革命性的检测技术，已被用于亚群体分型。为了深入研究单个外切体上这些生物标志物的动态和多样性，分子图谱提供了理论分析，从而为临床诊断奠定了基础。
最近对外泌体的综述主要集中在外切体的分离、物理特性和半定量分析的外切体标记等方面。然而，癌症来源的外泌体的检测、特征分析和临床诊断还没有被系统地介绍。因此，作者回顾了外泌体检测、图谱分析以及它们在不同癌症中的临床潜力方面的最新进展。本文指出了每种检测策略的优点和不足之处。机器学习以算法为基础，通过自学习来提高精度，在数据挖掘、图像处理和预测分析等领域有着广泛的应用。目前，很少有文献总结机器学习在外泌体研究中的应用。
外泌体具有不对称的脂质双层，呈现典型的杯状膜结构。单个外泌体的内容包括DNA、RNA(miRNA、mRNA、lncRNA、CircRNA、tRNA)、蛋白质(膜蛋白和囊泡内蛋白)、脂质和代谢物。Exosome含有高含量的蛋白质，包括跨膜蛋白(CD9、CD63和CD81)、热休克蛋白(Hsp60、Hsp70和Hsp90)、运输蛋白(TSG-101和Alix)以及癌症相关特异性标志物(GPC1、EpCAM、PD-L1和EGFR)。胞外体蛋白在肿瘤转移前的生态位发育和细胞间的交流中起着至关重要的作用。传统的胞外体蛋白定量和分析方法如酶联免疫吸附试验(ELISA)和免疫印迹法(Western Blot)已有报道。
单个外泌体的结构组成
图片来源：https：//pubmed.ncbi.nlm.nih.gov/34075696/
作者系统地回顾了各种检测技术，并针对四种常见的基于外泌体的肿瘤，展示了临床诊断的结论。几种便携式、全集成的外泌体生物传感器具有响应快、检测限低、灵敏度高等优点，有望成为点状检测的潜在方法。这些检测方法的进展需要进一步探索外泌体的组成，并在单个外泌体水平上分析外泌体的生物发生。因此，作者讨论了外泌体的异质性。对单个外泌体及其组成(蛋白质和核酸)的分析有助于我们理解外切体如何作用于基于外切体的治疗和诊断。机器学习作为计算机科学和化学之间的交叉学科，在外泌体领域被用来简化相当大的数据库和加速数据分析。在上述外泌体检测技术中，它是处理大数据的有力工具。此外，它还能够处理外泌体中复杂的图谱网络，以更好地了解外泌体的异质性。
还有几个问题需要考虑。1)更快速、更灵敏的外切体检测方法和标准化仍有待发展。这将使外泌体分析与临床诊断管道的无缝集成成为可能。2)随着外泌体生物发生的发现，应在单外泌体水平发展更多的检测技术。3)外泌体分子蛋白图谱的多样性仍然有限，不能作为常规临床实践的指导。4)蛋白质和RNA等组成网络有待阐明，相关功能诱导机制尚未明确。5)外泌体作为早期原始颗粒的功能是否导致了第一个原始细胞的产生尚不清楚。6)由于大量的临床样本在癌症研究中具有重要意义，需要对临床样本进行机器学习综合定量。基于机器学习的外泌体分析也需要在癌症研究中。外部数据集可以基于大量的临床样本创建，包括特征(如蛋白质、miRNA、光谱、信号通路等)和相应的标签(如肿瘤、癌前病变、健康)。这可能是未来的主导趋势。（生物谷 Bioon.com）
参考文献
版权声明 本网站所有注明“来源：生物谷”或“来源：bioon”的文字、图片和音视频资料，版权均属于生物谷网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：生物谷”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->
