$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Questo protocollo delinea una piattaforma completa e priva di etichette che integra la spettroscopia Raman potenziata in superficie (SERS) con il machine learning (ML) per rilevare e profilare molecolarmente le singole piccole vescicole extracellulari (sEV) per applicazioni diagnostiche e terapeutiche. Il metodo inizia con l'isolamento sEV utilizzando cromatografia a esclusione di dimensione o ultracentrifugazione. Le vescicole isolate vengono quindi analizzate su substrati ingegnerizzati in nanopiramide plasmonica d'oro 2D capaci di sensibilità a una singola vescicola. Sfruttando impronte biochimiche intrinseche Raman, il protocollo consente una rilevazione ad alta specificità senza etichette esterne. Dopo l'acquisizione spettrale, i dati vengono pre-elaborati e analizzati utilizzando algoritmi di machine learning addestrati (ad esempio, LDA, SVC) per classificare gli stati patologici, distinguendo con successo il cancro gastrico dai controlli sani utilizzando sEVs provenienti da tessuto, plasma e saliva con rispettive accuratezze di classificazione del 90,1%, 70,9% e 60,7%. Inoltre, la sua applicazione terapeutica è dimostrata dalla quantificazione del carico di dossorubicina in singoli sEV, una misura migliorata dall'uso di substrati rivestiti di grafene come standard interno. Questo approccio consente un'analisi ad alto rendimento che cattura l'eterogeneità della popolazione essenziale per la diagnosi precoce della malattia e la comprensione dell'efficienza del carico dei farmaci a livello di vescicola singola.