胃癌患者在疾病分期、生存结局和免疫治疗反应方面差异较大。现有血清标志物多用于单一场景，难以反映疾病的诊断、分期、预后和疗效。因此，研究者希望建立一种样本用量较少、同时检测多项指标的血浆检测方法。

细胞外囊泡（extracellular vesicles，EVs）表面含有糖蛋白和糖脂，其糖基化状态可反映来源细胞的变化。本文采用凝集素微阵列检测血浆EV的凝集素亲和糖基化模式（lectin-affinity glycosylation pattern，LAGP），并区分总EV、肿瘤来源EV和PD-L1阳性EV，用于胃癌诊断、分期、预后及抗PD-1治疗反应分析。

作者单位：首都医科大学附属北京友谊医院、中国科学院理化技术研究所、中国医学科学院肿瘤医院等
期刊：Cancer Letters
发表年份：2025年
样本：84份血浆，包括晚期胃癌、早期胃癌、良性胃病和无疾病对照；以及43例接受抗PD-1治疗的患者
芯片类型：凝集素微阵列芯片
芯片点样仪：英国ArrayJet微阵列生物芯片点样仪
 
本文使用英国ArrayJet微阵列生物芯片点样仪，将56种凝集素样品点印到3D修饰的玻片表面，制备成凝集素芯片。每张芯片包含14个平行反应腔，每个腔室均含有56种凝集素微阵列。

凝集素芯片封闭后，每个反应腔加入10 μL血浆，室温孵育2 h。凝集素根据糖链亲和性捕获EV：CD9/CD63/CD81抗体检测总EV，EpCAM和PD-L1抗体分别检测肿瘤来源EV和免疫抑制相关EV。最后加入Cy3标记的链霉亲和素，通过荧光微阵列生物芯片扫描仪进行扫描和荧光信号分析（图1）。
基于凝集素微阵列检测血浆EV的凝集素亲和糖基化模式（LAGP），发现胃癌组与无疾病对照组之间有22个差异化LAGP，即11个升高、11个降低。 EpCAM+ EV组包含的差异标志物最多，提示胃癌相关糖基化改变在肿瘤来源的EV中更明显（图1A）。

通过LASSO 算法筛选出的8 个 LAGP 分子标志物联合检测，能高准确性诊断和区分胃癌患者和健康人；机器学习算法优化后，区分能力达到理论最优。再结合 LDA 模型，可综合分层晚期胃癌、早期胃癌、胃部良性疾病以及健康人四类人群，实现胃癌分期鉴别（图1B）。另外，由 4 个 LAGP 标志物构建组成的抗PD-1预测模型，明显优于目前临床如CEA、CA724等传统血清肿瘤标志物的预测效果。
该研究结合ArrayJet微阵列生物芯片点样仪制备的凝集素微阵列芯片，建立血浆细胞外囊泡凝集素亲和糖基化图谱（LAGP）分析平台，证实不同病程的胃癌患者存在特征性 EV 糖基化指纹图谱。同时，结合机器学习构建系列模型，可实现胃癌分期筛查、良恶性分层、生存预后评估及抗 PD-1 免疫治疗疗效预测。相比于传统血清肿瘤标志物，LAGP一体化液体活检的检测效能更高，为胃癌精准诊疗提供新思路。

原文链接： https://doi.org/10.1016/j.canlet.2025.217929  
制备高密度的微阵列生物芯片，用于小分子化合物/蛋白质/多肽/核酸/多糖超高通量筛选
 
• 速度快：点样速度711个样片点／秒
• 通量高：单次进行18432种不同样品的快速点样，具备128个平行喷点通道 
• 精度高： CV < 5%（可实现精准的点上点样，实现微型的点对点ELISA反应）
• 完整的环境控制模块以及防样品蒸发保护（大幅降低点样过程中样品浓度变化）
 
应用方向：
• 基因芯片：高通量分子互作验证、疾病功能基因检测或筛选等
• 蛋白质芯片：高通量功能蛋白质筛选、抗原表位筛选、生物靶点筛选等
• 多糖芯片：进行高通量糖功能学、糖蛋白、植物凝集素等研究等
• 小分子化合物芯片：高通量药物筛选、疾病研究、疾病标志物筛选等
• 镀金SRPi芯片：高通量分子互作研究等
• 微孔板芯片：高通量多重因子检测、微型ELISA等
• 微流控芯片、生物传感器芯片：药物研发、体外诊断、生物半导体研发等
• 临床快检POCT芯片：抗原抗体检测、过敏原检测、病原微生物检测等