单分子检测（SMD）技术是生命科学与医学研究的重要工具，凭借超高时空分辨率和灵敏度极具应用前景，但现有技术存在诸多局限：原子力显微镜（AFM）缺乏形状特异性分子探针，单分子荧光显微镜面临光漂白、光谱串扰等问题，且传统AFM图像手动分析耗时易错，严重制约其临床转化。

为突破上述瓶颈，近日南京邮电大学晁洁教授团队提出了一种机器学习驱动的基于DNA折纸探针的单分子癌症诊断策略，构建了集核酸酶（Nickase）、DNA纳米探针、AFM与机器学习于一体的NDAM分析平台，相关研究成果以“Machine learning-powered single-molecule cancer diagnosis using DNA origami tags”为题，发表在国际权威期刊《Science Advances》上。

科研团队通过多技术融合实现高效精准检测，首先利用核酸酶作为“分子剪刀”在目标DNA特定位点产生单链断裂，避免脱靶风险。其次，基于DNA纳米探针（DNA四面体及三角形、十字形、矩形DNA折纸）实现位点特异性标记并利用AFM提供纳米级成像。最后，引入YOLOv5l算法实现AFM图像中目标物体的自动化识别与分类，大幅提升数据处理效率。

在技术验证阶段，科研团队开发短链、长链、线性及环状DNA模型系统，充分证实了NDAM平台的检测性能。实验结果显示，该平台成功对核酸酶编辑位点进行精准定位且轮廓距离与理论值高度吻合；YOLOv5l算法可在1.21秒内完成370个DNA折纸结构的分类，准确率高达98%，彻底解决了传统手动分析效率低下、误差较大的问题。针对长链DNA的多位点检测，该平台成功实现了phiX 174环状DNA和lambda线性DNA上多个编辑位点的同时标记与识别，进一步验证了其通用性与可靠性。

在临床转化应用中，科研团队聚焦胰腺癌（PDAC）和结直肠癌（CRC）两种常见恶性肿瘤，利用NDAM平台对临床福尔马林固定石蜡包埋（FFPE）样本中的KRAS Gly12Arg（G12R）和p53 Arg175His（R175H）突变进行检测。结果显示，该平台在37例胰腺癌患者样本中成功检出6例KRAS G12R突变，在22例结直肠癌患者样本中检出2例p53 R175H突变，检测准确率与金标准Sanger测序及实时荧光定量PCR（qPCR）相当，且具备高特异性、低假阳性的优势。这一成果为癌症的早期筛查、精准诊断、预后评估及新药研发提供了技术支撑。

该研究突破了传统单分子检测技术的标记与数据处理瓶颈，不仅丰富了AFM成像技术的应用场景，更实现了单分子水平癌症相关基因突变的精准检测，为疾病分子诊断领域开辟了路径。未来，科研团队将进一步优化核酸酶工具库、拓展DNA纳米探针种类、推进检测流程自动化，助力该技术在更多疾病诊断场景中的规模化应用。

该工作得到了国家重点研发计划、国家自然科学基金、江苏省自然科学基金前沿技术项目、南京鼓楼医院临床试验专项及新基石科学基金会的联合支持。有机电子与信息显示国家重点实验室的晁洁教授为论文的通讯作者，博士生熊金鑫、何智梅副教授和南京鼓楼医院管文燕医生为论文的共同第一作者。博士生支胜和马建锋，硕士生孙兴和杨子骁，汪联辉教授，樊春海院士，为该研究工作做出了重要贡献。

NDAM分析平台及其检测PDAC和CRC病人相关突变的系统概述图

原文链接：//www.science.org/doi/10.1126/sciadv.adz8174

（撰稿：晁洁 编辑：陈宁娜 审核：凌海峰）