肿瘤中的外泌体PD-L1蛋白的准确定量与免疫治疗的反应密切相关。然而，目前仍缺乏能够实现对循环外泌体表面PD-L1的表达进行高精度定量检测的有效方法。有鉴于此，南开大学刘书琳教授、王志刚教授和天津市人民医院张诗武教授开发了一种基于适配体识别和DNA支架杂交触发的量子点纳米球组装的信号放大策略，使外泌体的双色表型能够通过机器学习准确筛查癌症和预测PD-L1引导的免疫治疗效果。

本文要点：

（1）通过DNA介导的组装，研究者利用两个适配体同时对外泌体抗原（在肿瘤诊断和治疗预测中具有协同作用）进行超灵敏检测，从而可以通过机器学习算法实现更好的样本分类和预测。

（2）基于该策略，研究者可以通过一滴血区分不同的癌症患者和健康个体，并预测免疫治疗的结果。综上所述，该研究设计的方法有望为实现个性化诊断和推动精准医疗的发展提供新的见解。

Yu-Peng Zhang. et al. Accurate Cancer Screening and Prediction of PD-L1-Guided Immunotherapy Efficacy Using Quantum Dot Nanosphere Self-Assembly and Machine Learning. Nano Letters. 2024

DOI: 10.1021/acs.nanolett.3c05060

https://pubs.acs.org/doi/10.1021/acs.nanolett.3c05060