液体活检作为一种无创检测手段，因能通过血液样本实现肿瘤早期诊断和动态监测，近年来受到广泛关注。然而，在低丰度生物标志物条件下如何实现精准分型，仍是该领域的一大挑战。

2025年9月12日，williamhill中国刘笔锋教授团队在国际权威期刊 Nano Letters 在线发表研究论文 “Decoding Liquid Biopsy with AI: Freeze–Thaw-Induced Fingerprints in Small Extracellular Vesicles”。该工作提出了一种基于“冻融指纹”的人工智能癌症检测新策略，为液体活检的普及应用提供了低成本、自动化的新方案。

williamhill中国朱旭彬（生信基地21级本科生）、谢寒博士以及陈凯宇（生信基地21级本科生）为共同第一作者，刘笔锋教授、陈鹏副教授和李一伟教授为通讯作者。

研究团队发现，在冻融过程中，金纳米颗粒（AuNPs）会在气液界面形成独特的漂浮图案（freeze–thaw-induced floating pattern of AuNPs, FTFPA），并揭示了其形成机制：冰晶限制与气泡浮力共同驱动，促进了AuNPs与囊泡表面的弱相互作用，从而形成可视化“指纹”。结合三种尺寸编码的AuNPs、智能手机自动成像及深度学习算法，团队成功实现了循环肿瘤细胞（CTCs）和小细胞外囊泡（sEVs）的高效分类。

总体而言，该技术以简便、低成本的方式，为液体活检走向临床应用提供了可能，尤其有望在资源有限地区实现癌症的早期筛查与精准分型。

基于冻融诱导金纳米颗粒漂浮图案（FTFPA）的癌症亚型分类平台示意图

循环肿瘤细胞（CTCs）和小细胞外囊泡（sEVs）来源于七种癌细胞系与两种正常细胞系，并收集了包含乳腺癌四个分型（Luminal A/B、HER2+、三阴性乳腺癌）、乳腺结节及健康对照的临床样本（n = 72）。CTCs 和 sEVs 与三种不同尺寸的金纳米颗粒（AuNPs）混合，经冻融处理后形成特征性 FTFPA 图案。随后通过智能手机及自动化成像平台采集图像，并输入深度学习模型进行分析，实现癌症亚型分类与预测。

论文链接：https://doi.org/10.1021/acs.nanolett.5c03217