$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Dieses Protokoll beschreibt eine umfassende, labelfreie Plattform, die oberflächenverstärkte Raman-Spektroskopie (SERS) mit maschinellem Lernen (ML) integriert, um einzelne kleine extrazelluläre Vesikel (sEVs) für diagnostische und therapeutische Anwendungen zu erkennen und molekular zu profilieren. Die Methode beginnt mit der sEV-Isolierung entweder durch Größenausschlusschromatographie oder Ultrazentrifugation. Isolierte Vesikel werden anschließend auf konstruierten plasmonischen Gold-Nanopyramiden-2D-Array-Substraten analysiert, die eine Einzelvesikelsensitivität aufweisen. Durch die Nutzung intrinsischer Raman-biochemischer Fingerabdrücke ermöglicht das Protokoll eine hochspezifizierte Detektion ohne externe Etiketten. Nach der spektralen Erfassung werden die Daten vorverarbeitet und mit trainierten maschinellen Lernalgorithmen (z. B. LDA, SVC) analysiert, um Krankheitszustände zu klassifizieren, wobei Magenkrebs erfolgreich von gesunden Kontrollpersonen mit sEVs aus Gewebe, Plasma und Speichel mit entsprechenden Klassifikationsgenauigkeiten von 90,1 %, 70,9 % und 60,7 % unterschieden wird. Zusätzlich zeigt sich ihre therapeutische Anwendung durch die Quantifizierung der Doxorubicin-Belastung in einzelnen sEVs, eine Messung, die durch die Verwendung von graphenbeschichteten Substraten als internen Standard verbessert wird. Dieser Ansatz ermöglicht eine Hochdurchsatzanalyse, die die Populationsheterogenität erfasst, die für die frühzeitige Erkennung der Krankheit und das Verständnis der Effizienz der Arzneimittelbeladung auf Einzelvesikelebene unerlässlich ist.