医学部生物医学工程学院李自达助理教授与王毅副教授合作，在单分子基因检测的方法研究上取得进展，成果报道在学术期刊Proceedings of the National Academy of Sciences上，标题为“StratoLAMP: Label-free, multiplex digital loop-mediated isothermal amplification based on visual stratification of precipitate”。该工作以课题组的微流控数字化检测为研究基础，结合智能图像分析，实现仅依赖明场图像的多靶标数字化核酸定量。我院硕士研究生金美池、丁婧怡为论文的共同第一作者，李自达助理教授为通讯作者。

        多重核酸检测在单次反应中同时探测多个基因靶标，提高了检测效率，具备广泛应用价值。数字化核酸扩增技术，如数字PCR和数字LAMP等，为一种无需参考标准品、可实现核酸绝对定量的检测方法。多重的数字化核酸检测可通过设计反应体系，使不同核酸靶标在扩增后表现出不同的荧光波长、荧光强度、熔解曲线、扩增曲线、表面编码、液滴编码等特征，通过分析这些特征，推断每个微小腔室内存在的靶标。然而，当前策略多以荧光为读取信号，需使用荧光染料或探针，并要求检测设备配备荧光光路与检测系统，增加了设备的复杂性和检测成本。研究无需荧光标记的多重数字化核酸分析方法，有望改变基因分析的旧范式，在分析化学上具有重要意义。

        利用LAMP扩增反应过程中生成的明场下可见的沉淀判定数字核酸扩增反应结果，可以有效解决荧光读取信号中的缺陷，从而降低核酸检测的成本和复杂度。且LAMP扩增产生的沉淀量与反应深度有关，这为利用沉淀进行多重核酸检测提供了新思路。因此，该研究设计了一种以LAMP沉淀产量为检测标志，以明场成像代替荧光信号读取的无标记多重数字核酸定量方法。该方法对于两种不同的核酸靶标的引物设置不同的浓度，使不同的靶标的反应深度不同，从而使不同靶标扩增产生的沉淀量不同。在扩增完成后，在明场下对液滴成像，并利用深度学习算法对于明场图像进行分析，识别液滴中的沉淀产量，从而判断液滴中包含的靶标类型，根据沉淀产量将液滴分为空、仅含靶标一、仅含靶标二、同时含两种靶标等4类液滴。最后根据泊松分布计算样本中每种靶标的浓度。该方法以沉淀分析代替了荧光检测，实现了无标记的利用明场成像的多重绝对核酸定量，有望发展为一种新型低成本多靶标核酸检测技术。

        李自达助理教授与金美池、丁婧怡同学负责了这项工作的实验设计、数据分析、论文撰写等任务，医学部王毅副教授与周钰、陈佳兆同学负责了图像分析算法的研究。研究得到国家自然科学基金、广东省自然科学基金和大红鹰499555新引进教师启动经费的资助。

        论文地址：https://doi.org/10.1073/pnas.2314030121