- 3 次围观
内容形式：摘要译文
卵巢癌是一种妇科恶性肿瘤，研究人员一直难以理解肿瘤细胞如何与免疫系统进行交流，因此其研究面临重大挑战。卵巢肿瘤同时包含大量癌细胞和癌症干细胞（CSCs），后者与化疗耐药、肿瘤复发及免疫逃逸相关。然而，目前尚不清楚这两类细胞群是否会以不同方式影响免疫细胞。为探究这一问题，一项研究采用表面增强拉曼光谱（SERS）结合机器学习的方法，检测外周血单个核细胞（PBMCs）分别与OVCAR4卵巢癌细胞或OVCAR4来源的癌症干细胞富集群体共培养后发生的生化变化。PBMCs与肿瘤细胞在间接Transwell系统中共培养48小时，使可溶性因子得以交换，同时避免细胞之间的直接接触。在镀金镍基底上采集SERS光谱，并采用主成分分析、t检验和线性支持向量机（SVM）进行分析。结果显示，与癌症干细胞共培养的PBMCs和与OVCAR4细胞共培养的PBMCs表现出不同的光谱特征。此外，SVM在区分这两类细胞群时显示出98.9%的高交叉验证准确率。暴露于癌症干细胞的PBMCs表现出更高的腺嘌呤和碳水化合物信号，而暴露于OVCAR4细胞的PBMCs则显示出更高的蛋白质和脂质信号。有趣的是，肿瘤细胞本身在基线状态下也表现出相同的模式。此外，在区分肿瘤细胞和PBMCs时，最具判别力的十个谱带中有六个是共有的，表明变化方向具有一致性。这些发现提示，肿瘤来源的可溶性因子会在PBMCs上留下独特的生化特征。无标记SERS结合机器学习为一种灵敏的方法提供了可能。
用于研究肿瘤-免疫交流，并开发基于血液的工具以监测卵巢癌。
关键词：卵巢癌转移 · 癌症干细胞 · 肿瘤免疫互作 · 表面增强拉曼光谱 · 机器学习 · 外周血单个核细胞
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.12.758609v1?rss=1