《Chemical Engineering Journal》:Nanostructured porous silicon biosensor and smartphone integrated ELISA for sensitive detection of breast cancer biomarker
编辑推荐:
本研究开发了一种基于纳米多孔硅(PSi)功能化(APTES)的先进ELISA平台,结合智能手机图像处理应用,用于高灵敏度检测乳腺癌生物标志物MUC-1。通过优化PSi的比表面积和表面反应活性,显著提升抗原-抗体结合效率,实现LOD 0.035 ng/mL和LOQ 0.12 ng/mL,并验证了抗干扰能力和稳定性,为便携式癌症筛查提供新方案。
Nidhi Gupta | Sruti Chattopadhyay | Bommi Sarath Kumar | Aditi Kishor Dhamne | Saakshi Dhanekar | Harpal Singh
印度新德里Hauz Khas的IIT Delhi生物医学工程中心,邮编110021
摘要
乳腺癌仍然是女性死亡的主要原因之一,这凸显了快速可靠的诊断工具的必要性。酶联免疫吸附测定(ELISA)是一种广泛使用的医学诊断技术。然而,作为即时检测设备,其应用常常受到灵敏度、稳定性和便携性问题的限制。为克服这些限制,本研究介绍了一种先进的ELISA平台,该平台结合了基于智能手机的检测系统,用于定量分析乳腺癌生物标志物Mucin-1(MUC-1)。该方法利用了经过(3-氨基丙基)三乙氧基硅烷(APSi)功能化的纳米结构多孔硅(PSi)作为高效的信号转换平台。PSi具有极高的表面积、可调的孔隙率以及易于表面功能化的特点,从而实现了更好的生物分子固定和抗原-抗体相互作用,进而提高了检测性能。优化的基于APSi的ELISA方法的检测限(LOD)和定量限(LOQ)分别为0.035 ng/ml和0.12 ng/ml。该技术对潜在干扰物质(如BSA、蔗糖、果糖、GAR-IgG和RAG-IgG)具有选择性。此外,还开发了一款应用程序,可以捕捉ELISA板的图像并通过定制代码处理图像强度与抗原浓度之间的关联。总体而言,所开发的技术提供了一种成本效益高、用户友好且便携的即时诊断方法,具有强大的应用潜力,适用于乳腺癌筛查。
引言
乳腺癌是女性中最常见的癌症类型。早期诊断癌症对于提供最佳治疗方案至关重要。Mucin 1(MUC-1)在多种癌症(包括乳腺癌、肺癌、胰腺癌等)中过度表达。它是一种跨膜糖蛋白,属于黏蛋白家族成员,在癌细胞中过度表达。MUC-1参与细胞内信号传导过程,通常在乳腺癌转移和化疗后出现上调。
体内MUC-1及其他生物标志物的水平取决于癌症的类型和阶段[1,2]。早期诊断及其准确水平的确定对于后续治疗和监测疾病进展非常重要。根据文献,已经有许多努力致力于识别MUC-1的水平。常用的检测方法包括基于生物标志物的免疫测定(如ELISA)、蛋白质微阵列和流式细胞术[[3], [4], [5]]。近年来,基于电化学、比色和荧光适配体的传感器以及各种纳米材料基传感器[1,6,7]也被用于检测MUC-1。一个研究团队[8]构建了一种电化学适配体传感器,使用沉积在羧基化氧化石墨烯(CGO)上的金-铂双金属纳米颗粒(Au-PtBNPs)作为传感平台,并以生物素化的适配体作为识别元件。该适配体传感器实现了0.79 fM的检测限(LOD)和1 fM至100 nM的线性检测范围,表现出极高的灵敏度,其在 spiked血清样本中的回收率为92–97%。另一种比色适配体传感器[9]利用磁珠(MBs)和金纳米颗粒(AuNPs)通过竞争性结合来检测MUC-1,其中MUC-1会从MBs上置换AuNPs结合的适配体,从而引发3,3′,5,5′-四甲基联苯胺(TMB)的比色反应。该传感器的线性检测范围为75–500 μg/mL,检测限(LOD)为41.95 μg/mL,适用于临床诊断。另一种基于适配体的荧光方法[10]使用金纳米颗粒(AuNPs)和碳点(CDs),利用内滤光效应(IFE)检测MUC-1,检测限为5.3 ng/mL,灵敏度为3.96荧光单位/ng·mL^(-1),但该系统需要荧光检测器才能在现场进行癌症诊断。传统的乳腺癌检测方法耗时较长,需要熟练的医疗人员、复杂的设备以及医生的报告解读。因此,开发能够部分解决这些问题的方法非常重要。
尽管高度敏感的适配体和纳米材料基生物传感器被广泛使用,但ELISA仍然是检测MUC-1的金标准,因为它提供了经过临床验证的、标准化程度高、特异性强且可靠的抗原-抗体系统,从而确保了结果的可重复性。Tang等人[11]通过开发一种间接ELISA(I-ELISA)展示了检测乳腺癌患者循环抗MUC-1抗体的诊断潜力,该方法使用在E. coli中表达的含有六个串联重复序列的重组MUC-1蛋白,灵敏度为91.3%,特异性为94.1%。同样,Wang等人直接检测MUC-1的方法实现了0.5 μg/L的检测限,特异性为100%,灵敏度为62.5%,显著优于仅具有18.75%灵敏度的CA15-3试剂盒。尽管有这些进展,传统的ELISA平台仍面临挑战,如超微量生物标志物水平下的低灵敏度、漫长的检测时间、对大型实验室设备的依赖性以及缺乏便携性,这些因素阻碍了它们成为即时诊断工具的转化。为解决这些问题,本研究展示了使用纳米结构平台增强ELISA信号,并结合移动应用程序来读取溶液颜色并提供可量化的输出。
纳米结构多孔硅(PSi)生物传感器基即时检测(POC)设备在医疗行业中成为一个有前景的替代方案,因为它们具有较大的表面积与体积比、高表面反应性和易于生产[12,13]。PSi较大的可用表面积导致更多的结合位点,以及高度反应性的表面,从而提高了传感器的灵敏度[14]。一个研究小组使用PSi作为DNA生物传感平台,通过反射干涉光谱(RIS)检测高渗透性乳腺癌易感基因BRCA1[15]。PSi的孔径为20 nm,在DNA检测过程中观察到了显著的RIS位移。因此,预计将POC的结果与图像处理技术结合使用,可以提供一种无需复杂繁琐过程/设备的快速且用户友好的检测方法。
本研究旨在开发一种在保持ELISA特异性和可重复性的同时,提高灵敏度和便携性的平台。为此,使用了功能化的纳米结构多孔硅(PSi)平台与ELISA技术相结合,用于敏感检测乳腺癌生物标志物MUC-1。在PSi平台上使用(3-氨基丙基)三乙氧基硅烷作为功能化层,有助于抗MUC-1抗体(捕获元件)在传感表面的附着。在优化过程中,分析了四种类型的平台进行生物传感:晶体硅、PSi、功能化硅和功能化PSi。随后,在MUC-1抗原存在的情况下选择了最佳平台进行测试。还进行了所有生物传感参数的测试,如灵敏度、LOD和稳定性测试。建立了图像处理和RGB索引技术,以成功量化MUC-1,并通过移动应用程序进行了展示。改进后的平台结合了ELISA系统的特异性和APSi的高结合效率,显著提高了检测灵敏度、选择性和稳定性。此外,还开发了基于智能手机的图像处理应用程序,用于捕获和分析ELISA比色输出,将RGB强度值转换为定量抗原浓度。
材料和试剂
从Siltronic AG购买了两英寸、掺硼硅(Si)晶圆(〈100〉),电阻率和厚度分别为10 Ω·cm和280 ± 10 μm。氢氟酸(HF)(40%)、过氧化氢(H?O?)(30%)和乙醇(C?H?OH)由Merck Life Science Pvt. Ltd.提供。作为封闭剂的脱脂牛奶来自印度孟买的CDH。"(3-氨基丙基)三乙氧基硅烷(APTES)、山羊抗兔IgG(GAR-IgG)、兔抗山羊IgG(RAG-IgG)等试剂也由该公司提供。
平台表征
PSi的扫描电子显微镜(SEM)显示表面具有密集的多孔网络,孔径约为10–15 nm(图1(a))。Si和PSi的拉曼光谱分别显示出520 cm^(-1)处的尖锐峰和512 cm^(-1)处的宽峰(图1(b))。PSi的拉曼峰的红移和展宽是由于声子限制所致,证实了PSI的形成[6,16]。Si和制备好的PSi都经过APTES修饰,并通过拉曼光谱进行了表征(图1(c))。
图像处理
图5(a)展示了通过处理图像获得的颜色并映射到其强度后得到的校准曲线的逻辑拟合。图5(b)显示了两种RGB索引方法和ELISA得到的浓度之间的线性关系,相关系数为0.98,表明这两种方法高度相关。
在本研究中,溶液颜色的深浅直接与MUC-1的浓度相关。
结论
- •
本研究合成了APTES功能化的纳米多孔硅(PSi),并将其用作ELISA检测MUC-1的生物传感平台。为了证明PSi的重要性,首先使用晶体硅(Si)、制备好的PSi和功能化晶体硅进行了所有传感测试。在所有平台中,APTES功能化的PSi(APSi)由于具有较高的表面积与体积比和共价、均匀的表面修饰,表现出最佳的传感性能。
CRediT作者贡献声明
Nidhi Gupta:撰写 – 审稿与编辑、原始草稿撰写、可视化、验证、软件开发、资源管理、方法论设计、实验研究、数据分析、概念化。
Sruti Chattopadhyay:验证、监督、资源管理、项目协调。
Bommi Sarath Kumar:可视化、验证、软件开发。
Aditi Kishor Dhamne:撰写 – 审稿与编辑、原始草稿撰写、可视化。
Saakshi Dhanekar:撰写 – 审稿与编辑、撰写。
利益冲突声明
作者声明不存在可能影响本文讨论工作的已知财务利益或个人关系。
致谢
本研究得到了印度政府SERB的SERB研究科学家计划(项目编号:SB/SRS/2018-19/19/ENG,日期:2019年2月11日)以及IIT Jodhpur的SEED计划(项目编号:I/SEED/SD/20210123)的支持。第一作者和第五作者感谢DBT(BIG BIRAC项目编号:BIRAC/FITT0532/BIG-13/18,日期:2019年4月1日)的支持。第五作者还感谢SERB(印度科技部核心研究计划,项目编号:CRG/2022/008653 G)的支持。