《SCIENCE ADVANCES》：Monitoring glioblastoma extracellular vesicle evolution using a nanodiagnostic platform to detect glioma stem cells driving recurrent disease
编辑推荐：
为解决胶质母细胞瘤（GBM）治疗反应评估困难、缺乏动态监测肿瘤演化手段的临床难题，研究人员开发了名为GEMPAC的纳米诊断平台，通过靶向中枢神经系统（CNS）标志物ATP1B2和EAAT2特异性捕获血液中的小细胞外囊泡（sEV），并利用表面增强拉曼光谱（SERS）技术多重分析胶质瘤干细胞（GSC）标志物（CD24、CD44、CD133、EGFR）。研究成功在患者纵向样本中追踪到GSC亚群演化，证实GEMPAC评分可预测术后生存期并早于MRI检测到肿瘤复发，为GBM的液体活检和精准治疗提供了创新工具。
胶质母细胞瘤（Glioblastoma, GBM）是成人中最常见且最具侵袭性的原发性脑肿瘤，患者预后极差，中位生存期仅约14个月。其治疗面临两大核心挑战：一是肿瘤位于颅内，难以进行重复活检来动态监测其分子特征的变化；二是肿瘤具有高度的异质性和易产生治疗抵抗的特性，尤其是胶质瘤干细胞（Glioma Stem Cells, GSCs）被认为是驱动肿瘤复发和抵抗治疗的关键细胞亚群。目前，临床主要依赖磁共振成像（Magnetic Resonance Imaging, MRI）来评估疗效，但MRI无法区分治疗后真正的肿瘤进展与伪进展或放射性坏死，且不能实时反映肿瘤的分子演化。因此，开发一种能够无创、动态、精准监测GBM演变的技术迫在眉睫。
液体活检，特别是对小细胞外囊泡（small Extracellular Vesicles, sEVs）的分析，为解决这一难题带来了希望。sEVs是细胞释放的纳米级（50-150 nm）囊泡，携带来源细胞的蛋白质、核酸等分子信息，并且能够穿越血脑屏障进入外周血液循环，堪称“分子信使”。然而，血液中sEVs来源复杂，如何特异性地捕获并分析其中极为稀少的GBM来源的sEVs，是技术上的巨大挑战。
为了突破这一瓶颈，研究人员开发了一种名为GBM细胞外囊泡监测表型分析芯片（GBM Extracellular Vesicle Monitoring Phenotypic Analyzer Chip, GEMPAC）的纳米诊断平台。该研究的核心假设是：循环中的GBM来源sEVs携带特定的蛋白标志物谱，能够反映肿瘤负荷、GSC亚群动态以及治疗反应。研究人员首先通过生物信息学分析，从基因型-组织表达（Genotype-Tissue Expression, GTEx）和癌症基因组图谱（The Cancer Genome Atlas, TCGA）数据库中筛选出在脑组织和GBM中高表达、且具有细胞外结构域的中枢神经系统（Central Nervous System, CNS）特异性跨膜蛋白——钠钾转运ATP酶β2亚基（ATPase subunit beta-2, ATP1B2）和兴奋性氨基酸转运体2（Excitatory amino acid transporter 2, EAAT2），作为捕获GBM sEVs的“锚点”。同时，他们选取了四个与GSC不同细胞样状态相关的表面标志物：CD24（富集于神经祖细胞样细胞）、CD44（富集于间充质样细胞）、CD133（富集于少突胶质祖细胞样细胞）和表皮生长因子受体（Epidermal Growth Factor Receptor, EGFR，富集于星形细胞样细胞），用于评估肿瘤的恶性表型和异质性。
GEMPAC平台的工作流程巧妙结合了免疫捕获与高灵敏度检测技术。其芯片电极上固定有抗ATP1B2和抗EAAT2抗体，用于从患者血浆分离的sEVs中特异性富集CNS来源的sEVs。为了增强捕获特异性并减少非特异性结合，平台采用了交流电诱导的纳米剪切（Alternating Current Electro-hydrodynamic-induced nanoshearing, AC-EHD）策略。随后，研究人员合成了与不同拉曼报告分子偶联的、针对上述六个标志物的抗体-表面增强拉曼散射（Surface-Enhanced Raman Spectroscopy, SERS）纳米标签。这些纳米标签与捕获的sEVs上的相应靶标结合后，通过拉曼光谱成像进行多重检测，每个标志物对应一个独特的SERS信号。将四个GSC标志物的信号强度归一化于CNS标志物（ATP1B2 + EAAT2）信号之和后相加，即得到GEMPAC评分，用以量化循环中GBM相关sEVs的负荷。
该研究的关键技术方法包括：利用生物信息学筛选CNS特异性标志物；通过尺寸排阻色谱（Size Exclusion Chromatography, SEC）从GBM患者来源细胞系培养上清和患者血浆中纯化sEVs，并利用纳米流式细胞术（nanoFlow Cytometry, nanoFCM）、透射电子显微镜（Transmission Electron Microscopy, TEM）和Western blot对sEVs进行表征；开发GEMPAC芯片并进行SERS映射分析；对患者肿瘤组织进行免疫组织化学（Immunohistochemistry, IHC）验证标志物表达；以及对患者队列进行纵向样本采集和临床数据（如MRI体积、生存期）关联分析。
研究结果
GEMPAC芯片动态监测GBM sEVs谱
研究人员首先验证了GEMPAC平台的概念。他们设计了一个包含六个表面蛋白（ATP1B2, EAAT2, CD24, CD44, CD133, EGFR）的面板，旨在捕获CNS来源的sEVs并监测GBM的GSC生物标志物表达。通过合成独特的SERS纳米标签，他们实现了对sEVs表面蛋白的多重分析，并将GSC蛋白表达的总和定义为GEMPAC评分，用于评估疾病进展。
生物标志物选择与验证
通过分析TCGA和GTEx数据库，研究人员确认ATP1B2和EAAT2在正常脑组织以及低级别胶质瘤（Low-Grade Glioma, LGG）和GBM中高表达。对31例原发性GBM肿瘤组织的IHC分析进一步验证了ATP1B2和EAAT2在肿瘤组织中的表达。同时，IHC也证实了CD44、CD133和EGFR在GBM组织中的表达，而CD24的表达则参考了人类蛋白质图谱数据库。这些结果为在sEVs水平上监测这些标志物奠定了基础。
单纳米粒子分析和GEMPAC标志物验证
利用纳米流式细胞术对GBM患者来源细胞系（BAH1, WK1, FPW1）的sEVs进行分析，证实了ATP1B2和EAAT2在GBM sEVs表面表达，而在乳腺癌细胞系MDAMB231的sEVs中几乎不表达。同样，GSC标志物CD24、CD44、CD133和EGFR也在GBM sEVs上被检测到。随后，使用GEMPAC平台对细胞系来源的sEVs进行分析，结果显示该平台能特异性地检测到GBM sEVs上的所有六个标志物信号，而非GBM sEVs或sEV-free对照中信号极低，证明了GEMPAC的高特异性。
手术前后GBM患者sEVs的GEMPAC分析
对36名GBM患者术前和术后血浆sEVs的分析显示，sEVs的浓度和大小在手术前后无显著差异。GEMPAC分析成功检测到患者sEVs上六个标志物的表达。虽然手术前后整体的GEMPAC评分未见显著变化，但术后GEMPAC评分与患者生存期显著相关。将患者按术后GEMPAC评分中位数分为高分组和低分组后，发现高分组的患者总生存期显著短于低分组。术后GEMPAC评分预测1年总生存期的受试者工作特征曲线下面积（Area Under the Curve, AUC）为0.79，表明其具有良好的预测能力。
纵向监测影像学复发和sEVs演化
对12名具有纵向血样的GBM患者进行分析，发现GEMPAC评分能够动态反映治疗反应和疾病进展。在影像学复发时间短于300天的快速进展患者中，GEMPAC评分在治疗早期（如TMZ第5周期）即显著升高，早于MRI检测到复发。而在缓慢进展患者中，GEMPAC评分则呈现下降趋势。通过分析代表性病例，研究人员观察到在肿瘤复发前，sEVs上的GSC标志物组成发生变化，例如间充质样GSC标志物CD44的表达显著增加，提示特定的GSC亚群可能在驱动复发中起重要作用。相反，对治疗有积极响应的患者，其GEMPAC评分则持续下降。
纵向监测治疗驱动的GSC相关蛋白组成演化
研究人员还比较了接受标准替莫唑胺（Temozolomide, TMZ）联合放疗（Radiotherapy, RT）的患者与额外接受EGFR靶向药物ABT-414（depatuxizumab mafodotin）治疗的患者。虽然两组间的GEMPAC评分无差异，但GEMPAC检测到了sEVs表型组成的变化。在接受ABT-414治疗的患者中，sEVs上的EGFR表达被抑制，但同时CD44表达显著增加，提示肿瘤可能发生了向间充质表型的演化以逃避治疗。此外，GEMPAC也成功监测到患者对贝伐珠单抗（Bevacizumab）的治疗反应。
研究结论与意义
本研究开发的GEMPAC纳米诊断平台，首次实现了通过外周血无创、动态、多重地监测GBM患者sEVs的演化，特别是GSC亚群的变化。该平台的核心优势在于其高特异性（通过CNS标志物ATP1B2和EAAT2捕获）和高灵敏度（通过SERS技术检测）。研究发现，GEMPAC评分在术后能够预测患者生存，并且能够早于MRI检测到肿瘤复发，揭示了治疗过程中GSC亚群（如CD44+的间充质样细胞和CD133+的少突胶质祖细胞样细胞）的动态变化是驱动耐药和复发的重要因素。
这项研究的意义重大。它为解决GBM临床管理中的关键难题——实时、动态监测肿瘤分子演变——提供了强有力的工具。GEMPAC平台使得医生能够在传统影像学发现之前洞察治疗的有效性及肿瘤的演化趋势，为及时调整治疗方案提供了可能。此外，通过揭示不同GSC亚群在治疗压力下的动态变化，该研究为理解GBM异质性和治疗抵抗机制提供了新的视角，并为开发针对特定GSC亚群的靶向疗法奠定了基础。未来，在更大规模的临床队列中进一步验证后，GEMPAC平台有望成为GBM精准医疗的重要组成部分，通过液体活检指导个体化治疗，最终改善患者预后。该研究成果发表在《科学进展》（Science Advances）期刊上。
