南京大学宋玉君团队|最新ACS NANO | 工程化尿液生物标志物,用试纸条监测癌症

点击蓝字 关注我们

基于酶级联驱动的尿液诊断用于癌症可视化监测

第一作者： Lu Wang

通讯作者： Bangshun He，Yi Yin，Yujun Song

通讯单位： 南京市第一医院，南京医科大学附属南京医院；南京大学医学院附属鼓楼医院；南京大学生命分析化学国家重点实验室等

发表时间： 2026年4月3日

发表期刊： ACS Nano（中科院1区Top）

这篇文章作者围绕癌症动态监测中的关键问题展开：如何用更低门槛、更适合连续检测的方式，观察肿瘤状态和治疗反应。作者没有选择直接检测尿液中天然存在的肿瘤标志物，而是构建了一种可在体内被肿瘤相关酶激活的纳米探针。该探针进入体内后，会在肿瘤区域被两类与肿瘤进展密切相关的酶共同“处理”，随后释放出一段可以随尿液排出的DNA信号。研究者再利用侧向层析试纸读取这一信号，实现尿液样本中的可视化检测。文章把原本发生在肿瘤内部、难以直接捕捉的酶活性变化，转化成了尿液中可以被试纸识别的外源性信号。

这项研究的价值在于提出了“工程化尿液标志物”的检测思路：通过人工设计探针，将体内病理酶活性转化为稳定、可排泄、可肉眼读取的尿液信号，为癌症治疗监测和低成本伴随诊断提供了新的方法框架。

1. 设计了“工程化尿液标志物”。
传统尿液检测常依赖肿瘤自然释放到尿液中的标志物，这些信号往往含量低、不稳定、特异性不足。本文设计了一种可被肿瘤相关酶激活的纳米探针，把肿瘤内部的酶活性转化为尿液中可检测的DNA短片段信号。

2. 用 APE1 和端粒酶 TE 构建“双酶级联”识别逻辑。
探针不是响应单一酶，而是同时利用 APE1 介导的DNA切割和端粒酶介导的延伸反应。两种酶协同作用后，能更有效释放代谢DNA片段，检测信号优于单酶响应体系。

3. 最终读数很简单：尿液 + 侧向层析试纸。
探针在体内被肿瘤酶激活后，产生带有金纳米簇的短DNA片段，经肾脏进入尿液，再通过LFA试纸实现肉眼可见的检测。这种设计降低了仪器依赖，也更接近POCT和伴随诊断应用场景。

Figure 1 展示了整个平台的核心流程。HA-A1T2-AuNCs 注射进入小鼠体内后，在肿瘤区域富集；肿瘤中过表达的 APE1 和端粒酶共同激活探针，产生代谢DNA链；该代谢链随后进入尿液，最后通过侧向层析试纸检测。图中最关键的信息是：本文检测的不是传统意义上的天然尿液肿瘤标志物，而是肿瘤酶活性加工后的“人工代谢信号”。

Figure 1. 双酶级联驱动的癌症监测 POCT 平台示意图

Figure 2主要证明 LFA 试纸能够识别代谢链。作者先制备约40 nm的金纳米颗粒作为试纸显色载体，并通过捕获链和生物素修饰构建检测体系。结果显示，随着代谢链浓度增加，T线信号逐渐减弱，最低可检测浓度达到 50 pM，并且信号强度与代谢链浓度对数之间具有线性关系。

Figure 2. （A）Au 的 TEM 图。
（B）AuNPs 的 TEM 图和实物照片。
（C）Au 和 AuNPs 的紫外-可见吸收光谱。
（D）不同 AuNP 偶联物对试纸显色的影响。
（E）不同浓度代谢链对应的试纸显色结果和灰度分布。
（F）代谢链浓度对数与 T 线信号强度的线性关系。
（G）不同 DNA 序列和酶反应条件下的选择性测试。
（H）G 图中各组 T 线强度统计。
（I）不同酶组合下 A1T2 生成代谢链的试纸检测结果。
（J）不同酶组合对应的试纸颜色强度热图。

Figure 3（A）不同 DNA 双链在 APE1 和 TE 作用下的反应示意图。
（B）4T1 肿瘤细胞中不同 DNA 双链的荧光响应。
（C）4T1 肿瘤细胞和 L929 正常细胞中的荧光对比。
（D）B、C 图荧光强度的定量分析。
（E）HA-DNA-AuNCs 的合成流程示意图。
（F）AuNCs、DNA-AuNCs 和 HA-DNA-AuNCs 的 TEM 图。
（G）AuNCs 的粒径分布统计。
（H）AuNC 偶联代谢链在 4T1 细胞中的摄取和荧光分布。
（I）AuNCs 与 FAM 标记代谢链在细胞内的共定位分析。

Figure 4 作者把肿瘤球芯片和肾芯片连接起来，模拟探针在肿瘤区域被激活、随后经肾过滤进入尿液的过程。结果显示，肿瘤球越大，试纸T线越弱，说明释放出的代谢链越多。这说明该平台不仅能判断“有没有肿瘤相关酶活性”，还可能反映肿瘤负荷大小。当肿瘤球直径约为322 μm时，代谢链浓度约为200 nM。

Figure 4（A）肿瘤球芯片结构示意图。
（B）肾芯片结构示意图。
（C）肿瘤球芯片与肾芯片组合装置实物图。
（D）直径约 130 μm 肿瘤球的显微图。
（E–F）肿瘤球的放大显微图。
（G）不同尺寸肿瘤球的显微图对比。
（H）64 个微孔中肿瘤球直径的统计分布。
（I）不同肿瘤球尺寸对应的试纸显色结果。
（J–K）T 线强度与肿瘤球大小关系的热图和柱状图。
（L）根据 T 线强度估算的代谢链浓度。

Figure 5 进一步把问题推进到动物体内。作者构建了一个药代动力学模型，将体内过程简化为血液、肿瘤、肝脏和膀胱等隔室，用来预测代谢链在尿液中的出现时间和浓度变化。荧光成像显示，HA修饰后探针具有更好的肿瘤富集能力。A1T2组在肿瘤部位出现明显荧光增强，随后信号逐渐下降，符合“探针被激活—代谢链释放—经肾清除”的过程。模型预测显示，A1T2来源的尿液代谢信号在约2小时达到高峰。

Figure 5

（A）预测尿液代谢链浓度的多隔室药代模型。

（B）不同 DNA 双链在肿瘤裂解液中的酶反应速率。
（C）不同 DNA 双链在肝脏裂解液中的酶反应速率。
（D）注射 Cy5.5 标记探针后主要器官的荧光成像。
（E）D 图中各器官荧光强度统计。
（F）不同 DNA 双链在荷瘤小鼠体内的荧光成像。
（G）F 图中各组荧光强度统计。
（H）药代模型预测的尿液信号随时间变化曲线。
（I）注射 2 h 后肾脏离体荧光成像及强度统计。

Figure 6 作者先在健康小鼠尿液中建立标准曲线，证明尿液基质中仍然可以检测代谢链，线性关系良好，R²=0.9452。同时，TNF-α、IL-6、IL-1β、血清白蛋白和血红蛋白等干扰物不会明显造成假阳性或破坏T1响应，说明抗干扰能力较好。作者在不同肿瘤大小的小鼠中进行尿液检测。结果显示，肿瘤越大，T线越弱，代谢链浓度越高。与单酶响应体系相比，双酶响应的 HA-A1T2-AuNCs 信号变化更明显。当肿瘤体积超过500 mm³时，该平台的AUC可达到0.98，显示出较好的区分能力。

Figure 6

（A）尿液中不同浓度代谢链的试纸显色结果。
（B）尿液中代谢链浓度对数与 T 线强度的线性关系。
（C）尿液中常见干扰物的选择性和抗干扰测试。
（D）C 图中 T 线强度统计。
（E）不同大小的肿瘤组织实物图。
（F）不同肿瘤大小小鼠尿液样本的试纸检测结果。
（G–H）HA-mAT2-AuNCs 组 T 线强度热图和统计图。
（I）HA-mAT2-AuNCs 组估算的代谢链浓度。
（J）HA-mAT2-AuNCs 组区分健康与荷瘤小鼠的 ROC 曲线。
（K–L）HA-A1T1-AuNCs 组 T 线强度热图和统计图。
（M）HA-A1T1-AuNCs 组估算的代谢链浓度。
（N）HA-A1T1-AuNCs 组 ROC 曲线。
（O–P）HA-A1T2-AuNCs 组 T 线强度热图和统计图。
（Q）HA-A1T2-AuNCs 组估算的代谢链浓度。
（R）HA-A1T2-AuNCs 组 ROC 曲线。

Figure 7  进一步考察该平台能否用于治疗监测。作者分别建立皮下乳腺肿瘤模型和肺转移模型，并用紫杉醇 PTX 进行治疗。结果显示，PTX治疗组肿瘤增长受到抑制，对应的尿液LFA信号也发生同步变化。换句话说，试纸信号可以反映治疗后肿瘤负荷和肿瘤酶活性的变化。在肺转移模型中，该平台同样可以监测治疗趋势，不过由于肺转移病灶分散、多灶分布，诊断表现略低于局部皮下肿瘤模型。

Figure 7

（A）皮下乳腺癌模型中化疗监测流程示意图。

（B–C）皮下肿瘤模型中不同治疗时间点的生物发光成像和试纸结果。
（D）PBS 组和紫杉醇 PTX 组的肿瘤体积变化。
（E–F）皮下肿瘤模型中 T 线强度变化的热图和统计图。
（G）皮下肿瘤模型中估算的代谢链浓度。
（H）肺转移模型中化疗监测流程示意图。
（I–J）肺转移模型中不同治疗时间点的生物发光成像和试纸结果。
（K）PBS 组和 PTX 组肺转移模型的生物发光强度变化。
（L–M）肺转移模型中 T 线强度变化的热图和统计图。
（N）肺转移模型中估算的代谢链浓度。

本文构建了一种双酶级联驱动的尿液诊断平台HA-A1T2-AuNCs。该平台利用 APE1 和端粒酶 TE 的协同作用，在肿瘤区域释放可经尿液排出的短DNA代谢链，并通过侧向层析试纸实现可视化检测。实验结果显示，该平台可以反映肿瘤负荷变化，也可以用于紫杉醇治疗过程中的疗效监测。相比传统被动检测尿液肿瘤标志物的方法，这项工作更强调“工程化尿液标志物”的构建，即通过外源探针把体内酶活性转化为可读出的尿液信号。它的意义不只在于检测一个肿瘤模型，而在于为非侵入式、低成本、可连续监测的癌症伴随诊断提供了一种新的设计框架。

https://doi.org/10.1021/acsnano.6c00255

免责声明