光谱指纹诊断：均匀系统中生物标志物分布的独立空间分析

生物标志物的均相系统检测是体外诊断的核心。传统高通量检测多依赖生物标志物的空间重分布（如高效液相色谱利用理化性质产生保留时间，生物芯片通过分子识别实现平行检测），但在均相系统中直接实现高通量检测仍是技术难题。光谱分析技术结合大数据和人工智能，为解决这一问题提供可能。荧光PCR虽为空间独立的靶向多重检测技术，但受光谱重叠限制。
本研究开发了光谱指纹PCR（sf-PCR）：使用传统荧光基团进行正交信号输出，采集三维荧光光谱信号作为独特“指纹”来量化样本中多个靶标的丰度。这些指纹同时捕捉荧光峰的位置和强度，提升了信息密度，并具有线性叠加性和可解码性，为数据解读奠定基础。
在10重sf-PCR模型的溶液模拟实验中，验证了该策略的可行性。通过平行因子分析（PARAFAC）处理三维光谱数据，能有效区分高光谱相似性的荧光基团，分解复杂荧光信号。将sf-PCR应用于结直肠癌细胞DNA甲基化检测，成功区分不同细胞系的指纹特征，且与MethyLight检测结果一致。在临床结直肠癌诊断中，对32对肿瘤及癌旁正常组织分析，实现了0.98的AUC，与标准PCR结果一致；结合深度降维分析，仅用2组激发光和7组发射光数据即可准确分类样本。在呼吸道病原体检测中，对71份临床样本（含健康者和感染者）分析，整体AUC达96.2%，可同时检测多种病原体，且荧光强度与病原体浓度呈线性相关。
此外，sf-PCR兼容多种荧光基团，通过优化光谱空间可进一步提升信息密度。该技术为均相系统中多重生物标志物表达模式分析提供了创新方案，有望在分子诊断中广泛应用。