由于缺乏特异性的生物靶标，传统的基于生物标志物的方法不能准确检测骨质疏松等退行性疾病。随着老年化社会的到来和居家型健康体检的需求，开发出不依赖于生物标志物的检测方法就显得尤为迫切。受到中国传统医学诊断方式（望、闻、问、切）的启发，我们提出了一种基于代谢物拉曼光谱信息识别诊断骨质疏松的方法，利用拉曼光谱能够反映分子层次特征信息的特点，通过金纳米颗粒组装结构增强微弱的生物信号，结合信息处理技术得到检测结果。在本文中，我们首先制备了稳定、均一、重复性好的金纳米颗粒组装膜作为基底来增强拉曼信号。然后通过骨质疏松小鼠模型证明了实验设想，发现小鼠粪便的拉曼谱可以比显微CT（目前的金标准）更早地反映骨质疏松发生情况。临床样本的检测结果也进一步证明了该方法更简便，在临床上具有一定的可行性。我们相信，这种利用生物大数据特中提炼出的信息而非生物识别的策略将更有利于检测缺乏特异性生物靶标的疾病，有可能改变现有的疾病诊断范式。
Jian F. Sun†, Xuan Liu†, Zhi R. Guo, Jian Dong, Ya W. Huang, Jie Zhang, Hui Jin, Ning Gu*. Exploiting LBL-assembled Au nanoparticles to enhance Raman signals for point-of-care testing of osteoporosis with excreta sample [J]. Applied Physics A, 2017, 123, 141-149.
图 骨质疏松小鼠模型检测结果。 a 拉曼光谱结果；b 拉曼光谱曲线二维图转换；c 骨密度
