复旦大学药学院、复旦大学附属华山医院神经外科以及复旦大学类脑智能科学与技术研究院联合研究团队，与意大利都灵大学合作，在脑胶质瘤手术导航策略方面取得重要进展。他们发现了病人胶质瘤浸润组织恶性程度与组织间液酸化程度间正相关性，构建了pH比率响应型表面增强拉曼探针，提出了酸性“代谢边界”导航手术的新策略，提高了胶质瘤模型的切除率及生存时间。4月7日，该成果以《pH比率响应表面增强拉曼探针可视化肿瘤酸性代谢边界导航手术》（pH ratiometrically responsive surface enhanced resonance Raman scattering probe for tumor acidic margin delineation and image-guided surgery）为题发表在《化学科学》（Chemical Science）杂志。

图1. 可视化肿瘤“代谢边界”导航胶质瘤手术切除新策略

胶质瘤是最常见的颅内恶性肿瘤，具有高复发率、高死亡率等特点。虽然胶质瘤只占我国成年人总癌症病例的2.7%，但对于0-14岁青少年人群，其仅次于白血病已成为第二高发癌种。手术切除是治疗胶质瘤的首选方法。然而，由于胶质瘤浸润性生长，神经外科医生难以在术中对肿瘤边界进行准确辨别。临床目前主要依赖顺磁性钆剂在磁共振图像上显示血脑屏障破坏结构指导切除。然而结构边界之外存在的癌细胞浸润区域是胶质瘤高复发率的主要原因。

葡萄糖代谢途径由氧化磷酸化转变为有氧糖酵解（Warburg效应）是固体肿瘤的基本特征。与正常组织（pH 7.3‒7.4）相比，糖酵解导致肿瘤细胞外液显著酸化（pH 6.2‒6.9）。由于肿瘤组织酸化程度与恶性程度的相关性，该工作提出术中可视化酸性“代谢边界”导航手术新策略（图1）。构建了一类跨血脑屏障pH比率响应型表面增强共振拉曼散射（SERRS）探针。该探针特征拉曼峰强度随pH发生比率变化，从而准确读取pH值。此外，该探针在生理环境中显示出极高的灵敏度，最低检测限可达0.8 pM（图2）。

图2. 探针具有高灵敏的pH响应能力。(A) 梯度pH值下探针的SERRS光谱图（TEM）图；（B）探针在不同pH值的缓冲溶液中的浓度依赖性拉曼mapping图。在pH 5.5下测得最低检测限为0.8 pM。

借助pH比率响应型探针，该工作提出了可视化“酸性代谢边界”指导手术新策略。由于肿瘤组织酸化水平与恶性程度间的相关性，读出可疑组织pH值可定量评估其恶性程度并指导浸润区域的切除。在临床前研究中，该探针成功绘制了胶质瘤荷瘤大鼠手术切面的pH分布图并引导肿瘤浸润区域的完整切除（图3）。术后运用超高场强（11.7 T）化学交换饱和转移（CEST）磁共振成像技术无创监测肿瘤切口pH值变化监测胶质瘤复发情况。

图3. 酸性代谢边界指导大鼠原位胶质瘤模型切除手术。（A）术前T2W-MR图像，白色箭头指示肿瘤；（B）术前大鼠脑部CEST-pH图；（C）肿瘤病灶位置示意图；（D）手术切除过程中连续白光图像（左图），术中拉曼光谱（中图）和pH色块图（右图）。黄色虚线框表示SERRS检测范围，星号表示酸度最高点。

临床前研究结果显示，与目前临床通过顺磁性钆剂勾勒胶质瘤结构边界的手术策略相比，酸性代谢边界导航策略显著延长了胶质瘤模型的生存时间并降低了手术导致的神经损伤（图4）。

图4. 酸性代谢边界指导手术改善手术预后。（A）在酸性代谢边界指导（iAM-guid.），术中结构边界指导（iSM-guid.）和术前结构边界指导（pSM-guid.）的术前及术后大鼠脑部磁共振图像。黄色虚线描绘肿瘤部位，白色箭头指示复发肿瘤位置；（B）术后Kaplan–Meier存活率；（C）神经功能行为学测试评分。

微环境酸化是几乎所有固体肿瘤的基本特征，该策略有望帮助外科医生制定最佳手术策略，在肿瘤切除最大化与功能区损伤最小化之间实现平衡。代谢边界手术导航策略可能推广到其他浸润性肿瘤的手术导航。联合研究团队目前正在推动该策略的临床转化。

复旦大学药学院博士生段文佳、华山医院岳琪博士以及类脑智能科学与技术研究院硕士生刘颖为该论文的共同第一作者，华山医院毛颖教授、类脑智能科学与技术研究院张孝勇研究员以及复旦大学药学院李聪教授为论文的共同通讯作者。研究获得国家自然基金委，上海市脑与类脑智能基础转化应用研究市级科技重大专项，上海市科学技术委员会和复旦-中科院上海药物所融合基金的支持。

原文（扫描或长按二维码，识别后直达原文页面，或点此查看原文）：

pH ratiometrically responsive SERRS probe for tumor acidic margin delineation and image-guided surgery

Wenjia Duan, Qi Yue, Ying Liu, Yunfei Zhang, Qinghua Guo, Cong Wang, Shujie Yin, Dandan Fan, Wenjing Xu, Jiexian Zhuang, Jiachao Gong, Xinwei Li, Ruimin Huang, Liang Chen, Silvio Aime, Zhongliang Wang, Jianfeng Feng, Ying Mao, Xiao-Yong Zhang, Cong Li

Chem. Sci., 2020, DOI: 10.1039/D0SC00844C