用DNA折纸标签和人工智能实现单分子癌症检测

单分子检测（SMD）在生物医学研究中极具潜力，但原子力显微镜（AFM）虽能提供纳米级分辨率，却受限于标记难题和数据处理缓慢。为此，研究团队构建了一种结合AFM、DNA纳米标签和机器学习（ML）的策略（NDAM平台）用于单分子检测和癌症诊断。

该平台中，切口酶（如Cas9切口酶和限制性内切酶亚基NEs）作为“分子剪刀”，在目标DNA特定位置产生单链断裂，随后插入带有粘性末端的外源DNA，这些粘性末端能通过碱基配对连接形状独特的DNA纳米标签（如DNA四面体、三角形/十字形/矩形折纸结构），便于AFM成像观察。为解决AFM图像人工分析耗时且易出错的问题，研究采用YOLOv5l算法实现自动识别与分类，能在1.21秒内分类370个结构，准确率达98%。

实验先在短链、长链、线性及环状DNA上验证了该策略的可行性：短链DNA的切口酶切割效率达68.9%-97.9%，DNA四面体标签能精准标记切割位点；环状DNA中，两个标签间的轮廓距离与理论值高度吻合。接着，在长链DNA（如phiX 174环状DNA、λ噬菌体线性DNA）上，利用不同形状的DNA折纸标签可同时标记多个切口酶编辑位点，实现多基因座检测。

临床应用中，研究对胰腺癌（PDAC）和结直肠癌（CRC）患者的福尔马林固定石蜡包埋（FFPE）样本进行检测。针对KRAS G12R突变（PDAC和CRC中常见），通过DNA纳米标签标记和AFM成像，在37例PDAC患者中检出6例突变，与定量PCR结果一致；针对p53 R175H突变（CRC中致病突变），在22例CRC患者中检出2例突变，与桑格测序结果相符。该方法无需荧光标记，检测速度快于桑格测序，准确率可媲美传统方法，为癌症早期诊断、风险预测及新药研发提供了有力工具。