准确反映临床行为的疾病分子分类为精准医学奠定了基础。计算机模拟分类器（in silico classifier）的发展可与基于DNA反应的分子实现相结合，从而有望实现更强大的分子分类，然而，处理多分子数据类型仍然是一个挑战。
近期，上海交通大学医学院樊春海院士、杨秀荣院士、左小磊教授等人介绍了一种DNA编码的分子分类器，它可以物理地实现多维分子临床数据的计算分类。为了在异质分子结合事件中产生统一的电化学传感信号，作者利用基于DNA框架的具有n价的可编程类原子纳米颗粒来开发价编码的信号报告子，该信号报告子能够线性地将几乎任何生物分子结合事件转化为信号增益。研究还演示了基于可编程类原子纳米粒子的分子分类器，成功执行了生物标记物筛查，并分析了跨越三维数据类型的六个生物标记物，以实现前列腺癌症患者的近确定性分子分类。相关工作以“DNA-framework-based multidimensional molecular classifiers for cancer diagnosis”为题发表在Nature Nanotechnology。
【文章要点】
大量研究已经表明，DNA的Watson–Crick碱基配对的精确性和可编程性提供了一系列价控可编程类原子纳米结构（PAN），用于不同组成、尺寸、手性和线性的胶体组装。特别是，自组装DNA四面体框架（DTF）提供了一种简单的方法来制造具有有序结构和多功能修饰的三维PAN。有鉴于此，在本研究中，作者介绍了一种基于PAN的分子分类器，它可以物理地实现多维分子临床数据的计算分类。为此，作者通过在缓冲液中混合7个58个核苷酸（58个核苷酸）的DNA片段和1个81个核苷酸（化学计量当量）的含手柄DNA的DNA片段，在顶点上组装含有手柄DNA的DTF。DTF的类原子和可编程性质支持价控PAN信号报告器的设计，从而可在将几乎任何类别的分子结合转化为统一的电化学传感器信号时产生线性信号（图1）。
图1PAN报告子的设计
如图2所示，使用PAN报告器可以在计算分类中对多维分子信息进行精确的权重分配。为了进行概念验证，作者使用该方法在三维数据类型（RNA、蛋白质和代谢小分子）中交互分析一组六种生物标记物，以对前列腺癌症（PCa）患者进行分类。此外，作者还进一步开发了一个诊断小组筛查系统，使用PAN报告器进行与Gleason评分相关的分类。作者认为，鉴于来自疾病的基因、RNA、蛋白质和代谢组学分析的分子信息量不断增加，可分析多维分子生物标志物的多维分子分类器为精确诊断和治疗提供了思路。
图2使用PAN报告子诊断筛查PCa
--测试服务--
--荐号--