基于耐酸PVP/金纳米颗粒簇的胃液代谢组学分析：一种胃癌诊断新策略

本研究针对胃癌诊断中内镜检查灵敏度低、操作依赖性强等问题，开发了一种基于表面增强拉曼散射（SERS）技术的耐酸PVP/金纳米颗粒（Au NPs）簇结构。通过聚维酮（PVP）封装Au NPs实现强酸性环境下的结构稳定性，结合弯月面引导沉积（MGD）技术构建均匀纳米簇，并利用深度学习模型对121例胃液样本进行分析，最终实现胃癌分类灵敏度与特异性均达91.7%。该研究为胃癌无创筛查提供了高精度辅助诊断新平台。

　　

胃癌是全球范围内发病率和死亡率均居高不下的恶性肿瘤，尤其在韩国，其癌症相关死亡率排名第五。尽管早期胃癌通过内镜或手术切除后五年生存率可达90%以上，但现有诊断方法存在明显局限性：内镜检查需空腹8小时且依赖操作者经验，活检则伴随出血风险；而基于血清标志物如CEA、CA19-9的检测灵敏度不足。更棘手的是，胃液作为最接近胃黏膜的代谢物来源，虽富含生物标志物信息，却因含40-50%盐酸而难以直接分析，传统LC-MS、NMR等技术又面临设备昂贵、前处理复杂等挑战。

针对这一系列难题，韩国釜庆国立大学可持续地球与环境动力学研究所（Institute of Sustainable Earth and Environmental Dynamics, Pukyong National University）的研究团队创新性地将纳米技术与人工智能相结合。他们开发出聚维酮（PVP）封装的金纳米颗粒（Au NPs）簇结构，这种耐酸纳米材料能在pH低至1.0的强酸环境中保持稳定，解决了胃液直接分析的瓶颈问题。通过弯月面引导沉积（MGD）技术将胃液与PVP-Au NPs混合溶液制备成均匀纳米簇，结合表面增强拉曼散射（SERS）光谱和深度学习算法，最终构建出灵敏度与特异性均达91.7%的胃癌诊断模型，相关成果发表在《Sensors and Actuators Reports》。

研究团队主要采用四项关键技术：1）使用内镜采集121例临床胃液样本（62例胃癌患者/59例健康对照）；2）通过PVP封装Au NPs构建耐酸纳米簇，利用MGD技术实现大面积均匀制备；3）633 nm激光激发获取SERS光谱，经基线校正、峰提取转换为条形码特征；4）开发深度神经网络（DNN）分类模型，采用贝叶斯优化超参数提升性能。

3.1 纳米簇结构的耐酸性验证

通过对比柠檬酸盐-Au NPs与PVP-Au NPs在0-0.1 M HCl中的表现，发现前者在pH≤2时出现严重聚集（SEM显示颗粒融合），SERS信号变异系数达3.96倍；而PVP-Au NPs在pH 1.0下仍保持均匀分散（纳米间隙101.8±15.7 nm），信号变异仅0.037。EDS图谱证实PVP中的氮元素均匀分布，形成抗酸保护层。

3.2 胃液纳米簇的制备与表征

将胃液上清与PVP-Au NPs混合后，MGD技术成功制备出覆盖SiO₂基底的均匀纳米膜。SEM显示该结构完全屏蔽基底硅信号，且三处测量点SERS强度差异<0.613，罗丹明6G检测限达10^-8 M。

3.3 机器学习模型构建

对2851-2998 cm^-1区间的CH₃伸缩振动峰归一化后，将SERS谱转换为条形码特征输入DNN。优化后的模型（3隐藏层/λ=1e-3/丢弃率0.4）测试集AUC达0.9167，显著优于未基线校正数据（准确率提升8.4%）。

这项研究突破了胃液强酸性环境对代谢物分析的限制，首创的PVP-Au NPs簇兼具化学稳定性与信号增强功能。MGD技术实现低成本、高通量纳米结构制备，结合SERS与深度学习，为胃癌筛查提供了无需复杂前处理的解决方案。特别值得注意的是，该平台对早期胃癌的识别效能显著优于传统血清标志物，未来或可整合到内镜检查中实现实时诊断。研究团队建议进一步扩大样本量验证，并探索特定代谢物（如乳酸、犬尿氨酸酸）与胃癌分期的关联性，推动个性化诊疗发展。