$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Ce protocole décrit une plateforme complète et sans marquage qui intègre la spectroscopie Raman améliorée en surface (SERS) avec l’apprentissage automatique (ML) pour détecter et profiler moléculairement les petites vésicules extracellulaires (sEV) individuelles à des fins diagnostiques et thérapeutiques. La méthode commence par l’isolation des sEV utilisant soit la chromatographie d’exclusion de taille, soit l’ultracentrifugation. Des vésicules isolées sont ensuite analysées sur des substrats nanopyramidaux plasmonique en or 2D conçus capables d’une sensibilité à une seule vésicule. En tirant parti des empreintes biochimiques intrinsèques Raman, le protocole permet une détection à haute spécificité sans étiquettes externes. Après l’acquisition spectrale, les données sont prétraitées et analysées à l’aide d’algorithmes entraînés d’apprentissage automatique (par exemple, LDA, SVC) pour classifier les états pathologiques, distinguant ainsi avec succès le cancer gastrique des témoins sains utilisant des sEVs issus des tissus, du plasma et de la salive, avec des précisions de classification respectives de 90,1 %, 70,9 % et 60,7 %. De plus, son application thérapeutique est démontrée par la quantification de la charge en doxorubicine dans des sEVs uniques, une mesure renforcée par l’utilisation de substrats recouverts de graphène comme norme interne. Cette approche permet une analyse à haut débit qui capture l’hétérogénéité des populations essentielle à la détection précoce de la maladie et à la compréhension de l’efficacité du chargement médicamenteux au niveau de la vésicule unique.