このコンテンツを表示するには、JoVEへの購読が必要です。 または、無料トライアルをお申し込みください。

方法論記事

個々のsEVの表面強化ラマン散乱に基づくバイオセンシングの疾患診断および治療への応用を探る

405 回視聴

⸱

DOI:

10.3791/69258

⸱

2026年3月13日

 ,  ,  , 
1Department of Materials Science and Engineering, University of California Los Angeles, 2Cornea Division, Stein Eye Institute, University of California Los Angeles

* These authors contributed equally

この記事について

サマリー

ここでは、ラベルフリー表面強化ラマン分光法(SERS)を用いて個々の小さな細胞外小胞(sEV)を解析するプロトコルを提示し、低侵襲疾患の診断と治療的投与手段としてのsEVの評価を可能にします。

要約

本プロトコルは、表面強化ラマン分光法(SERS)と機械学習(ML)を統合し、診断および治療用途のために個々の小さな細胞外小胞(sEV)を検出し分子プロファイリングする包括的なラベルフリープラットフォームを示しています。この方法は、サイズ排除クロマトグラフィーまたは超遠心分離のいずれかを用いたsEV分離から始まります。分離された小胞は、単一小胞感度を持つ設計されたプラズモニック金ナノピラミッド2Dアレイ基板上で解析されます。内在的なラマン生化学指紋を活用することで、外部ラベルなしで高特異度検出を可能にします。スペクトル取得後、データは前処理され、訓練済みの機械学習アルゴリズム(例:LDA、SVC)を用いて疾患状態を分類し、組織、血漿、唾液のsEVを用いて、それぞれ90.1%、70.9%、60.7%の分類精度で胃がんと健康な対照群を成功裏に区別します。さらに、その治療応用は、グラフェン被覆基板を内部標準として用いることで、単一sEVにおけるドキソルビシン負荷を定量化することで示されています。このアプローチにより、早期疾患検出や単一小胞レベルでの薬物負荷効率の理解に不可欠な集団の異質性を捉えるハイスループット解析が可能になります。

概要

細胞外小胞(sEV)は、通常直径30〜200 nmで、細胞から自然に生物体液に分泌され、起源を示すタンパク質、脂質、核酸を運びます。唾液、尿、その他の体液に存在する非侵襲的バイオマーカーとして4、特に腫瘍学において早期疾患診断、予後、治療的モニタリングに期待を寄せています5,6,7。しかし、その臨床翻訳は、複雑な生物学的行列における高い異質性と低い存在比により妨げられています。こうした課題を克服するために、このプロトコルは表面強化ラマン分光法(SERS)を活用しています。これはプラズモニック基板9,10,11を介してラマン散乱を最大10、10〜10、11倍に増幅できる強力な解析手法です。SERSは個々のsEVの分子「指紋」スペクトルを数秒以内に取得し、長時間のアッセイ時間を避けつつ超高感度の単一小胞分析を可能にします。

本手法はラベルフリーベースのSERを相乗的に組み合わせ、個々のsEV12、13、14、15、16の迅速かつ超高感度な特性評価を実現しています。ラベルフリーSERSは内在的な生化学的シグネチャーを捉え、LDAやSVCなどの機械学習モデルと組み合わせることで、健康細胞と病変細胞から得られたsEVを高い特異度で識別できることが示されています13。当プラットフォームの再現性と定量的能力をさらに高めるため、当社の手法はグラフェン被覆ラマン基板16と完全に互換性があります。単層グラフェンは化学的に均一な表面を提供し、プラズモニックホットスポットを安定化させ分子吸着力を高めます17,18。さらに重要なのは、単層グラフェンがSERS信号の「組み込み」ゲージとして機能し、検出された分子の定量能力を可能にすることです。ラマンレーザービームの直径(~1μm)は通常のsEVより大きいにもかかわらず、我々のプラットフォームは物理的および統計的メカニズムの独自の相互作用により効果的な単一小胞分解能を実現しています。準周期的な金ナノピラミッド基板は、100 nm未満の非常に局所的なプラズモニック「ホットスポット」を生成し、ラマン信号を超線形的に増幅します12。その結果、ビーム内の最も強いホットスポットに最も近いsEVからの信号がスペクトルを支配します。さらに、SEMイメージングによりsEVは十分間隔(>μm間隔)であることが確認され、スペクトルの重なりが最小化されています。また、ラマン強度マップは個々の小胞のサイズに一致する信号局在を示しています。これらの特徴により、収集された各スペクトルは主に単一のsEVに対応し、統計的に堅牢でラベルのない単一小胞解析が可能になります。ウェスタンブロット、質量分析、通常のラマン散乱など、大量のサンプルを必要とし単一小胞20を分解できない従来の手法と比べて、当社の単一小胞SERSプラットフォームは優れた感度、スループット、分子分解能を提供します。このワークフローは、低侵襲で高解像度の診断ツールを開発したい研究者や、個別化された治療試験におけるsEVの異質性や薬剤負荷効率の探求を目指す研究者に適しています。本プロトコルでは、当社のSERSプラットフォームが単一のsEVを利用して、特にがん分野での病害検出や治療応用、例えば小胞分離、プラズモニック基質準備、ラマン取得、機械学習を用いたデータ解析の全ワークフローを可能にしていることを示しています。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

人体標本の採取はヘルシンキ宣言に従って行われ、UCLAの機関審査委員会(IRB)によって承認されました。すべてのドナーは研究参加前に書面によるインフォームドコンセントを提供しました。

注:本研究では、商業ベンダーから購入した4つの細胞株、AGS(CRL-1739)、A549(CCL-185)、NCI-N87(CRL-5822)、Hs 738.St/Int(CRL-7869)が使用されました。これらの細胞株は、ベンダーの指示と試薬に従って培養・継皮されました。調整された培地は-20°Cで収集・保存され、その後処理されました。韓国のサムスン医療センターでは、ドナーが自主的に組織、血漿、唾液の標本を提供しました。胃がん組織は外科的切除時に採取され、非がん対照群からは内視鏡で生検を採取しました。血漿は標準的な臨床プロトコルに従いEDTAチューブ内で採取されました。各被験者から約5mLの未刺激の全唾液を採取し、2,600 × gで4°Cで15分間遠心分離しました。 細胞外RNAを保存するため、上清液には20 U/mLのSUPERase-In RNase阻害剤が補足されました。すべての標本はさらに加工されるまで-80°Cで保管されました。sEVは、確立されたプロトコルに従い、条件付けされた培地および臨床標本から分離されました。

1. sEVの分離と特性評価

  1. sEVサンプルの準備
    1. クリアした細胞培養上清液を室温で完全に解凍します。
    2. 上清液を無菌の0.22μmシリンジフィルターに通し、ゴミや大きな汚染物質を除去します。
    3. 35nmサイズの除外クロマトグラフィー(SEC)カラムを1×PBS溶液で平衡させます。
    4. ろ過したサンプル500μLをカラムに塗布します。
    5. 製造元の指示に従って1倍PBSでサンプルを洗い出します。
    6. EV強化分画を採取し、−20°Cのクリーンバイアルに保存します。
  2. 粒子濃度とサイズの測定
    1. sEVsサンプルを無菌DPBSで希薄し、最終粒子濃度を107〜109 mLにします。
    2. ナノ粒子追跡解析装置を使い、サンプルごとに60秒の動画を5本記録します。カメラの音量は14、流量設定は一定の25で使いましょう。
    3. 機器のソフトウェアで動画を解析し、希釈係数を適用して最終的な粒子濃度(粒子/mL)と平均直径(nm)を決定します。
  3. テトラスパニン発現の特徴付け
    1. ヒトテトラスパニンチップ(1 cm × 1 cm、抗CD9、抗CD63、抗CD81があらかじめコーティングされた)を事前スキャンし、基準信号を確立します。
    2. 希釈したsEVサンプルを密閉された24ウェルプレートのチップに載せ、室温で一晩培養します。
    3. 検出抗体(抗CD9 CF488、抗CD63 CF647、抗CD81 CF555)を35 μL追加し、室温で1時間培養します。
    4. メーカーの手順に従ってチップを洗ってください。
    5. バイオマーカー特性解析リーダーおよび関連するスキャンソフトウェアを用いて、小胞テトラスパニンの発現を測定します。
  4. TEMでsEV形態を確認する
    1. ~100μLのsEVを4%パラホルムアルデヒド~100μLで30分間固定します。
    2. 約100μLの固定型SVを300メッシュの銅グリッドに搭載し、5分間インキュベートします。
    3. グリッドは脱イオン水で洗い流します。
    4. 蒸留水に1%の酢酸ウラニル溶液(~20μL)でグリッドを染色します。
    5. 最後に水ですすいでグリッドを完全に自然乾燥させます。
    6. 透過電子顕微鏡(TEM) で 試料を画像化し、sEVの大きさと形態を確認します。

2. SERSプラズモニック基板製造 12,18,19

  1. ナノスフィア単分子層の作成
    1. ラングミュア・ブロジェット溝内の水面に直径500nmのポリスチレン球を広げます。
    2. 球体を優しく圧縮して、密に詰まった六角形単層を形成します。
    3. 球状単分子層を4インチのSiウェハー(約50nmの熱SiO2付き)に移し、ウェハーをトラフに浸してゆっくりと引き上げます。
  2. エッチナノスフィアアレイ
    1. 酸素プラズマを用いた反応イオンエッチングシステムを用いて、球径を500 nmから~250 nmに減少させます(酸素2 ガス流量100 sccm、50秒、200 W出力)。製作プロセスの詳細については、前回の研究12、18、19の出版物をご参照ください。
    2. 縮小した球体アレイの上に、電子ビーム蒸発で1.5 Å/sの速度 で 50 nmのCr層を堆積します。
    3. アセトンでポリスチレン球を持ち上げ、SiO2 表面に穴あきのCrマスクを残します。
    4. 露出したSiO2 層を、25 sccm Ar、25 sccm CHF3、RIE電力200Wの混合液で2分間エッチングします。
  3. 倒ピラミッドの製作
    1. ウェハを60 °Cの60 wt% KOHに2分間浸し、シリコンに逆錐形ピットをエッチングします。
    2. Crエチャントを使って5分間Crマスクを外します。
    3. SiO2層を6:1の緩衝酸化物エッチントで完全に除去します。
    4. 電子ビーム蒸発を用いて逆ピラミッドの上に200 nmのAuフィルムを正形に堆積させます。
  4. プラズモニック基質を最終化する
    1. 速硬化エポキシ(~1 mL)を別のSiO2/Si基板に塗布します。金被覆されたウェハーをエポキシに押し付け、金層を中央に置いたサンドイッチ構造を形成します。
    2. エポキシが完全に硬化した後、シリコン型からエポキシを剥がして、独立したAuプラズモニック基材を作ります。

3. グラフェンからプラズモニック基質への転移

  1. グラフェンフィルムの準備
    1. 1 M FeCl3 溶液(1 M 無水塩化鉄塩化物のストック溶液を、81 gのFeCl3 を脱イオン水に溶かし、最終体積500 mLに希釈して作成)を準備し、PMMAコーティングされた単層グラフェンシートから銅基板をエッチングします。
    2. グラフェンコーティングされた銅板をFeCl3 溶液の表面に裏向きに置き、銅が完全に溶けるまで放置します。
  2. グラフェンフィルムをすすぎ
    1. きれいなガラススライドを使い、浮遊するグラフェンフィルムを慎重に脱イオン水浴に移し、エッチング残留物を洗い流します。
    2. このすすぎの手順を3回繰り返します。
  3. グラフェンを基質に転写させる
    1. 最終DI水浴で、SERSプラズモニック基板をグラフェンフィルムの下に浮かせます。
    2. 基材を優しく持ち上げてグラフェンを均一に表面に沈着させます。
    3. グラフェンコーティングされた基材を室温で1時間自然乾燥させます。
    4. 真空チャンバーに移し、180°Cの低圧で1時間乾燥させます。
  4. 最終基材はきれいです
    1. 乾燥した基質を50°Cのアセトン浴に1時間浸してPMMAを溶かします。
    2. 基材をイソプロピルアルコールで3回洗い流します。
    3. 使用前に洗浄されたグラフェン転移プラズモニック基材を乾燥機で乾燥させます。

4. SERSサンプル調製およびスペクトル取得

  1. 基質上でサンプルを準備してください
    1. 約5μLのsEVサンプルを適切なプラズモニック基質にピペットします。
      注:薬物負荷型sEVの定量化には、金グラフェン基質に胞を塗布してください。それ以外の実験では、普通の金のプラズモニック基板を使いましょう。
    2. 基質を乾燥器に入れ、滴が完全に乾くまで(~15分)待ってください。
  2. ラマン系の校正
    1. 基質を共焦点ラマン顕微鏡に移します。
    2. 機器のソフトウェア(WiREバージョン4.4)を使用してデータ収集を開始します。
    3. 励起レーザーを5 mWで785 nmに設定します。
    4. シリコンの基準ピークを520cm-1に整列してシステムを校正します。
  3. 金基板からスペクトルを取得する(診断)
    1. 静止モードで300μm×300μmの範囲でスカウティングスキャンを行い、以下の設定で単一の小胞を特定します:50%出力、0.1秒露光、10μmステップサイズ。
    2. SVを特定した後、5×5グリッド内で静止モードで高解像度マッピングを行い、以下の設定を用います:ステップサイズ1μm、出力50%、点あたり0.2秒露光。
  4. グラフェン基質からスペクトルを取得する(治療用)
    1. 300μm×300μmの範囲でスカウティングスキャンを行い、静的モードで個々の小胞を特定します。設定はレーザー出力50%、露光時間は0.1秒、ステップサイズは10μmです。
    2. 拡張モードで2×2グリッドで高解像度マッピングを行うには、以下の設定を用いてください:ステップサイズ1μm、レーザー出力1%、露光10秒。

5. データ前処理

  1. スペクトル品質管理の実施
    1. 初期の生スペクトルをスクリーニングし、非常にノイズの多い信号や異常な形状のスペクトルを除外します。
    2. しきい値ベース検出や局所偏差フィルタリングを用いて、孤立した宇宙線スパイクを除去します。
  2. スペクトルのフィルタと正規化
    1. 各スペクトルにサヴィツキー・ゴレイフィルターを適用して蛍光背景を低減し、データを平滑化します。
    2. 各スペクトルの信号対雑音比(SNR)を計算し、通常はピーク対ベースライン比または標準偏差法のいずれかを用います。さらに説明すると、通常、各スペクトルのSNRは、代表的なラマンバンドにおけるピーク強度(ベースライン減算後)とノイズの標準偏差の比率として計算されました。このノイズは、元のスペクトルからサヴィツキー・ゴレイ平滑化されたスペクトル(ウィンドウサイズ=11、多項式次数=3)を差し引いて得られた残差スペクトルから推定され、高周波の揺らぎを分離しました。適切なSNR閾値を経験的に決定するため、すべてのスペクトルをSNRの昇順にランク付けし、特徴的な生化学的ピーク、特にフェニルアラニンバンド(~1002 cm-1 、アミノ酸)、アミドIバンド(~1650 cm-1 、タンパク質)、CH2 変形帯(~1440 cm-1 、脂質)の持続性をランク付けスペクトル全体で評価しました。閾値は、これらの診断ピークのいずれかが一貫してベースラインノイズに消えてしまう地点に設定されました。金ナノピラミッドSERS基板および取得パラメータ(励起785 nm、レーザー出力5 mW、積分率0.2秒)において、これは経験的にSNR閾値28に対応しました。
    3. 上記の5.2.2で決定されたように、SNR閾値を下回るスペクトルは除外します。私たちのワークフローでは、SNRが28未満のスペクトルは訓練データセットから除外しました。このレベルに閾値を設定することで、高品質なスペクトルのみが下流解析やモデルの堅牢性向上のために保持されるからです。
    4. 各スペクトルを最大ピーク強度または曲線下の総面積のいずれかに正規化します。

6. 機械学習を用いたスペクトル解析

  1. モデルを鍛えろ
    1. 各スペクトル測定値に、その起点(例:胃がん患者と健康な対照群)に対応するラベルを割り当てます。
    2. スペクトルデータを線形核を持つサポートベクトル分類器(SVC)に入力します。
    3. 5分割のクロスバリデーションには階層化されたシャッフル分割を使いましょう。
    4. 各フォールドの精度指標を平均してモデルのパフォーマンスを評価します。
  2. 次元を低減し、分類する
    1. 線形判別解析(LDA)を用いて、高次元のSERSデータを縮小次元で可視化します。
    2. LDAモデルを用いてサンプルグループ間の直接的な分類を行います。
  3. モデルの評価
    1. 盲検された患者サンプルのホールドアウトセットで訓練済みモデルを評価し、実際の診断シナリオをシミュレートします。詳細については、当グループの出版物13、15、22をご参照ください。
      注意:すべての工程は清潔な工具を使い、ほこりのない環境で行ってください。単層グラフェンは銅基板上で培養または採集され、移送時に保護するためにPMMA層でコーティングされました。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

単一小胞SERSプロトコルの成功裏の実装により、個々のsEVから異なるラマンスペクトルが得られ、下流の診断分類や治療薬の負荷管理が可能になります。 図1 は、ここで報告したプロトコルを用いた胃がんの診断試験と、薬剤負荷型sEVsモニタリングアプリケーションのワークフローを示しています。

figure-results-1
図1:研究のフローチャート。 (A) 胃がんの単一小胞SERS診断のワークフロー。臨床小胞は単離されプラズモニック基質上に沈着し、個別にラマンスキャンされ、多変量機械学習を用いて疾患識別およびサブ...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

このプロトコルの重要な側面は基質の準備とsEV精製です。ラベルフリーSERSの性能は、均一で高コンフォーマルなプラズモニック基板の生成に強く依存し、強い強化「ホットスポット」を備えています。同様に、サイズ排除クロマトグラフィー による 高純度のsEV分離は、信頼性が高く再現可能なSERSスペクトルを作成するために不可欠です。タンパク質集合体やリポタンパク質のような不純物は、小胞信号を弱めるだけでなく、スペクトルノイズを導入して下流の機械学習分類を混乱させることがあります。

当プラットフォームの大きな利点は、検証済みの単一小胞分解能であり、これはsEVの異質性という課題を克服する上で重要な要素です。レーザースポットは単一の小胞より大きいものの、金ナノピラミッド形状による超線形信号増幅により、プラズモニックホットスポットに最も近いsEVが信号を支配します。これに加え基質上の低胞密度により、各スペクトルは個々のsEVの分子スナップショットを表しています。この能力により、ウェスタンブロットや質量分析などの...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

著者たちは、本研究に関して利益相反は一切ないと宣言しています。

謝辞

この研究は、国立衛生研究所(NIH)国立トランスレーショナルサイエンス推進センター(助成番号4UH3TR002978-03および1U18TR003778-01)およびカリフォルニア再生医学研究所(CIRM)からの助成金(助成金番号TRAN1-14649)によって支援されました。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
1倍PBSサーモフィッシャー・サイエンティフィックJ61196。AP
300メッシュ銅グリッド電子顕微鏡科学EMS200-Cu
4%パラホルムアルデヒド溶液シグマ・オルドリッチ1004960700
4&プライム;Si wafers MSEサプライズWA0810(100) oriented 
A549細胞株ATCCCCL-185 
AGS細胞株ATCCCRL-1739
遠心分離ローター F-35-6-30、5430エッペンドルフ<ストロング>22654306<ストロング>
CHAマーク40CHAマーク40https://chaindustries.com/mark-40-system/電子ビーム蒸発
Crエッチャント溶液シグマ・オルドリッチ651826-500ML
ドキソルビシン D-4000LCラボラトリーズD-4000_3g
ExoView R100システムおよびExoViewヒトテトラスパニンキットナノビュー・バイオサイエンスhttps://www.nowmedicalstudios.
com/portfolio/nanoview-
biosciences-3d-product-illustrations
FeCl3溶液シグマ・オルドリッチ451649
HFソリューションシグマ・オルドリッチ695068-500ML
Hs 738.St/Int 細胞株ATCCCRL-7869
共焦点ラマン顕微鏡を借りてレニショーhttps://www.renishaw.com/en/
invia-confocal-raman-microscope
--6260?srsltid=AfmBOoqbZlyW
qv2KDdcXV0UZnp8tdLNgYZ0
GbZvGOWI6z1OKi48rg5-b
KOHソリューションシグマ・オルドリッチ417661
MaxQ 4000ベンチトップインキュベーティング/冷蔵シェーカーサーモ・サイエンティフィックSHKA4000(4320)
MCO-19AICインキュベーター三洋8380-30-0035
ミレックス-GPフィルターミリポーアシグマSLGPM33RS 0.22 & micro;m
NanoSEM 230顕微鏡FEISEM-FEI-014 
ナノサイト NS300マルバーン・パナリティカルhttps://www.malvernpanalytical
.com/en/support/product-support
/nanosight-range/nanosight-ns300
NCI-N87細胞株ATCCCRL-5822
オプティマ TLX 超遠心分離機ベックマン・カウルター8043-30-1197
オックスフォード・プラズマラボ 80プラスオックスフォード・プラズマラボhttps://plasma.oxinst.com/
製品/RIE/プラズマプロ-800-RIEです
ポリスチレン球アルファ・アーサール<ストロング>AA42711AB<ストロング>500 nm
qEVoriginal/35nmアイゾンICO-35
単層グラフェンMSEサプライズME0408
T-75フラスコVWR156800
TF20 高解像度電磁波FEIhttps://eicn.cnsi.ucla.edu/project/fei-tf20-tem/
ウラニル酢酸塩溶液電子顕微鏡科学22400-1

参考文献

  1. Van Niel, G., et al. Challenges and directions in studying cell-cell communication by extracellular vesicles. Nat Rev Mol Cell Biol. 23 (5), 369-382 (2022).
  2. Herrmann, I. K., Wood, M. J. A., Fuhrmann, G. Extracellular vesicles as a next-generation drug delivery platform. Nat Nanotechnol. 16 (7), 748-759 (2021).
  3. Raposo, G., Stoorvogel, W. Extracellular vesicles: Exosomes, microvesicles, and friends. J Cell Biol. 200 (4), 373-383 (2013).
  4. Möller, A., Lobb, R. J. The evolving translational potential of small extracellular vesicles in cancer. Nat Rev Cancer. 20 (12), 697-709 (2020).
  5. Mathieu, M., Martin-Jaular, L., Lavieu, G., Thery, C. Specificities of secretion and uptake of exosomes and other extracellular vesicles for cell-to-cell communication. Nat Cell Biol. 21 (1), 9-17 (2019).
  6. Alvarez-Erviti, L., et al. Delivery of siRNA to the mouse brain by systemic injection of targeted exosomes. Nat Biotechnol. 29 (4), 341-347 (2011).
  7. Kahroba, H., Hejazi, M. S., Samadi, N. Exosomes: From carcinogenesis and metastasis to diagnosis and treatment of gastric cancer. Cell Mol Life Sci. 76 (9), 1747-1758 (2019).
  8. Ferguson, S. W., Nguyen, J. Exosomes as therapeutics: The implications of molecular composition and exosomal heterogeneity. J Control Release. 228, 179-190 (2016).
  9. Stiles, P. L., Dieringer, J. A., Shah, N. C., Van Duyne, R. R. Surface-enhanced Raman spectroscopy. Annu Rev Anal Chem. 1, 601-626 (2008).
  10. Jeon, T. Y., Kim, D. J., Park, S. G., Kim, S. H., Kim, D. H. Nanostructured plasmonic substrates for use as SERS sensors. Nano Converg. 3, 1-10 (2016).
  11. Nie, S., Emery, S. R. Probing single molecules and single nanoparticles by surface-enhanced Raman scattering. Science. 275 (5303), 1102-1106 (1997).
  12. Wang, P., et al. Ultra-sensitive graphene-plasmonic hybrid platform for label-free detection. Adv Mater. 25 (35), 4918-4924 (2013).
  13. Liu, Z. R., et al. Gold nanopyramid arrays for non-invasive surface-enhanced Raman spectroscopy-based gastric cancer detection via sEVs. ACS Appl Nano Mater. 5 (9), 12506-12517 (2022).
  14. Jonak, S. T., et al. Analyzing bronchoalveolar fluid derived small extracellular vesicles using single-vesicle SERS for non-small cell lung cancer detection. Sens Diagn. 2 (1), 90-99 (2023).
  15. Liu, Z. R., et al. Label-free single-vesicle based surface enhanced Raman spectroscopy: A robust approach for investigating the biomolecular composition of small extracellular vesicles. PLoS One. 19 (6), e0304287(2024).
  16. Liu, J., et al. On the feasibility of SERS-based monitoring of drug loading efficiency in exosomes for targeted delivery. Biosensors (Basel). 15 (3), 198(2025).
  17. Ling, X., et al. Can graphene be used as a substrate for Raman enhancement. Nano Lett. 10 (2), 553-561 (2010).
  18. Wang, P., et al. Giant optical response from graphene-plasmonic system. ACS Nano. 6 (7), 6244-6249 (2012).
  19. Wang, P., et al. Label-free SERS selective detection of dopamine and serotonin using graphene-Au nanopyramid heterostructure. Anal Chem. 87 (20), 10255-10261 (2015).
  20. Qiu, L., et al. Current advances in technologies for single extracellular vesicle analysis and its clinical applications in cancer diagnosis. Biosensors (Basel). 13 (1), 60(2023).
  21. Akbar, N., Pinnick, K. E., Paget, D., Choudhury, R. P. Isolation and characterization of human adipocyte-derived extracellular vesicles using filtration and ultracentrifugation. J Vis Exp. (170), e64102(2021).
  22. Li, T., et al. Label-free SARS-CoV-2 detection platform based on surface-enhanced Raman spectroscopy with support vector machine spectral pattern recognition. Eng Sci. 23, 862-870 (2023).

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

タグ

ラマン分光法小型細胞外小胞sEV分離機械学習分類プラズモン基板金ナノピラミッドアレイグラフェン基板ドキソルビシン充填
個々のsEVの表面強化ラマン散乱に基づくバイオセンシングの疾患診断および治療への応用を探る
お問い合わせ
図書館に推薦する

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。