DNA甲基化在人类肿瘤的发展中起着关键作用。然而，DNA甲基化的常规表征方法（如高效液相色谱法和发光甲基化测定法）繁琐、耗时。因此，开发一种简单、高通量、只需要少量DNA输入的创新分析方法，对于促进DNA甲基化在临床上作为癌症诊断标志物的应用具有重要意义。本研究提出了一种灵敏、简便的表面增强拉曼光谱（SERS）技术，用于识别早期肺癌患者的DNA甲基化模式。通过比较碱基和甲基化DNA序列的SERS光谱，确定胞嘧啶甲基化的光谱标记。此外，为了促进该方法在临床中的实际应用，我们利用SERS技术，对细胞系模型和福尔马林固定石蜡包埋组织中提取的基因组DNA进行甲基化模式的检测。研究结果显示早期肺癌（n=65）和肺部良性疾病（n=41）患者的gDNA具有不同的甲基化模式，表明癌症引起的DNA甲基化改变。结合机器学习方法（PLS-DA），可有效区分早期肺癌和肺部良性疾病患者（87.7%的诊断灵敏度和73.2%的特异性）。我们相信，基于SERS技术对DNA甲基化变化的分析，结合机器学习方法，有望为肺癌的早期检测提供了一种新途径。

                                                              基于非标记SERS结合机器学习区分早期肺癌和肺部良性疾病患者的示意图

研究成果目前以 “Machine learning-assisted global DNA methylation fingerprint analysis for differentiating early-stage lung cancer from benign lung diseases”为题发表于国际权威期刊《Biosensors and Bioelectronics》，福建师范大学为第一单位，光电与信息工程学院博士研究生陆德婵和福建省肿瘤医院陈燕坪主任医师为共同第一作者，黄祖芳研究员、卢玉栋教授和王静研究员为共同通讯作者。该工作得到了国家自然科学基金、福建省自然科学基金、福建省科技厅引导项目、福建省科技创新联合资金和闽江学者计划的资助。

论文链接：https://doi.org/10.1016/j.bios.2023.115235