基于顏色編碼液滴的數(shù)字環(huán)介導等溫擴增技術介紹

多重核酸檢測在病原體鑒定、癌癥風險等應用中具有重要價值。目前多重核酸檢測常規(guī)方法是使用不同發(fā)射波長的特異性熒光探針并結(jié)合其不同的熒光強度來識別不同核酸靶標，但這面臨著涉及熒光探針復雜以及綜合平衡反應效率困難等問題。其它方法如熒光溶解曲線分析、圖案或微球編碼等在多路復用的靈活性、準確定量能力、經(jīng)濟效益方面需要改進。

近期，深圳大學李自達課題組基于前期開發(fā)的微孔陣列芯片（Biosens.Bioelectron. 2023, 220, 114913），并結(jié)合顏色編碼和深度學習圖像分析，實現(xiàn)了高通量數(shù)字化多重核酸檢測。相關研究成果以“CoID-LAMP: Color-Encoded,Intelligent Digital LAMP for Multiplex Nucleic Acid Quantification”為題發(fā)表在Analytical Chemistry期刊上。

在該研究中，研究團隊使用基于顏色編碼液滴的數(shù)字環(huán)介導等溫擴增（LAMP）技術，結(jié)合智能圖像分析（Color-Encoded，IntelligentDigital LAMP，CoID-LAMP），進行多重核酸定量分析。CoID-LAMP通過將不同顏色的染料混入到不同的環(huán)介導等溫擴增引物內(nèi)，并生成微液滴，完成顏色對引物的編碼，并將樣本微滴化處理（圖1a），然后將兩種液滴分別加載到微孔陣列芯片內(nèi)，使引物液滴與樣本液滴一對一隨機配對、融合以及環(huán)介導等溫擴增（圖1b）。隨后，通過對液滴顏色進行分析，解碼引物信息；并且利用深度學習算法模型檢測液滴內(nèi)的沉淀副產(chǎn)物，從而確定每種靶標的液滴占用率并根據(jù)泊松分布實現(xiàn)多種靶標的數(shù)字絕對定量。

圖1 基于顏色編碼液滴的數(shù)字環(huán)介導等溫擴增（CoID-LAMP）流程示意圖

為準確識別擴增后含有沉淀的陽性液滴與無沉淀的陰性液滴，研究團隊利用YOLOv5的深度學習算法開發(fā)了一個液滴檢測模型，并驗證了該檢測模型的準確性能（平均精度均值為0.97）。

圖2 深度學習模型結(jié)構(gòu)與分析性能展示

在構(gòu)建深度學習液滴檢測模型后，研究團隊表征了CoID-LAMP進行數(shù)字核酸擴增檢測的分析性能。對不同濃度的單一核酸靶標按照CoID-LAMP方法進行了檢測（除引物類型僅有一種外，其余按照CoID-LAMP方案執(zhí)行）。液滴檢測模型準確地識別了陽性與陰性液滴，在已知濃度為1.27 × 102 ~ 1.27 × 10? copies/μl時，CoID-LAMP的檢測結(jié)果與已知濃度具有良好的一致性。通過對該范圍內(nèi)數(shù)據(jù)線性擬合，得到CoID-LAMP檢測值與實際值之間的關系，R2為0.9986，這表明了CoID-LAMP具有優(yōu)秀的核酸定量能力。

圖3 CoID-LAMP在核酸定量中的性能表征

為了驗證CoID-LAMP的多路復用能力，研究團隊首先使用了生物醫(yī)學應用廣泛的熒光染料作為液滴編碼材料，通過3種激發(fā)波長的熒光染料對8種引物液滴進行了編碼，建立了8重核酸分析策略。首先利用LAMP的高度特異性去驗證了熒光染料進行液滴編碼-解碼的準確性，即通過已知的染料去編碼引物液滴，并與單一核酸靶標液滴進行配對、融合、擴增，擴增后的LAMP陽性液滴其對應的熒光編碼是唯一的，且與該靶標對應的引物熒光編碼保持一致。

圖4 使用熒光染料進行液滴編碼和解碼準確性的驗證

在驗證了熒光染料進行液滴編碼與解碼的準確性后，研究團隊根據(jù)CoID-LAMP的數(shù)字定量范圍，預設了已知濃度的多靶標核酸樣本，并按照CoID-LAMP方案進行了多靶標定量分析，結(jié)果顯示，檢測濃度與已知濃度具有良好的一致性。

圖5 使用熒光染料編碼進行多種核酸分析

為進一步降低對檢測設備的需求，研究團隊使用了明場的彩色染料作為液滴編碼材料，通過3種染料對4種引物液滴編碼，建立了4重核酸分析策略。同樣地，驗證了明場染料進行液滴編碼-解碼的準確性。

圖6 使用彩色染料的液滴編碼和解碼準確性的驗證

最后，研究團隊預設了已知濃度的4重靶標核酸樣本，使用3種染料對4種引物液滴編碼，按照CoID-LAMP方案進行了多靶標定量分析，結(jié)果證明了基于明場染料的CoID-LAMP核酸定量的準確性。

圖7 使用彩色染料對液滴編碼進行多重核酸分析

綜上所述，該研究開發(fā)的CoID-LAMP技術具有檢測成本低、操作簡單、對儀器要求低的優(yōu)勢，為開發(fā)適用于POCT的多重核酸檢測系統(tǒng)提供了新的解決方案。





審核編輯：劉清