医学部生物医学工程学院李自达助理教授课题组基于液滴微流控技术，结合液滴颜色编码和深度学习图像分析，实现了多重数字化核酸检测。

        研究成果于近日发表在Analytical Chemistry（影响因子：8.0，一区TOP）。深圳大学硕士研究生武凯和方琪为共同第一作者，李自达助理教授为通讯作者。深圳大学研究生赵展陶对课题亦有贡献。
 

        多重核酸检测技术在突变基因检测、病原体鉴定等应用中具有重要意义。现有检测方法的多重性大多基于具有不同发射波长的荧光探针实现，不仅需要精心优化荧光探针，而且试剂成本昂贵，增加了检测的成本。基于课题组前期的两项工作：(1)为了实现基于单细胞测序的高通量药物筛选，研究了用于微液滴随机配对的微流控芯片（Biosens. Bioelectron. 2023）；(2)为了实现无标记、非均一体积的数字化核酸检测，研究了液滴沉淀图像智能分析方法（Adv. Sci. 2022），课题组提出了基于颜色编码液滴的数字LAMP，结合智能图像分析（Color-Encoded, Intelligent Digital LAMP, CoID-LAMP），实现多重核酸的同时检测（co-identification）。CoID-LAMP通过将不同的染料混入到不同的扩增引物试剂内，完成染料对不同扩增引物试剂的编码，并生成微液滴，随后与含有多个核酸靶标的样本生成的微液滴在PDMS微孔阵列装置内进行一对一的随机配对、液滴融合与LAMP。
 

        成像后，通过对液滴的颜色进行分析，解码液滴包含的引物信息，利用深度学习模型检测扩增后液滴内沉淀副产物，确定每种靶标的液滴占用率，根据泊松分布实现多靶标核酸的绝对定量。研究团队证明了深度学习模型检测的准确性，并验证了CoID-LAMP优异的核酸定量能力，最后分别使用荧光染料与明场染料作为液滴编码材料验证了CoID-LAMP。
 

        CoID-LAMP利用了液滴微流控在高通量分析上的优势，结合先进的智能图像分析技术，实现了完全基于明场图像的多重数字核酸检测，为开发适用于POCT的多重核酸检测系统提供了新的解决方案。
 

        这项工作得到生物医学工程学院大力支持，实验依托于广东省生物医学测量与超声成像重点实验室开展,并得到了广东省自然科学基金、深圳市海外高层次人才项目和深圳大学青年教师科研启动的资助。

        论文详情：

        [1] Kai Wu,# Qi Fang,# Zhantao Zhao, and Zida Li* (2023). CoID-LAMP: Color-encoded, intelligent digital LAMP for multiplexed nucleic acid quantification. Analytical Chemistry, in press

        论文链接：https://doi.org/10.1021/acs.analchem.2c05665

        [2] Run Xie,# Yang Liu,# Xuyang Shi, Shiyu Wang, Zhantao Zhao, Longqi Liu, Ya Liu,* and Zida Li* (2023). Combinatorial perturbation sequencing on single cells using microwell-based droplet random pairing. Biosensors & Bioelectronics, 220, 114913

        论文链接：https://doi.org/10.1016/j.bios.2022.114913
 

        [3] Linzhe Chen#, Jingyi Ding#, Hao Yuan, Chi Chen*, and Zida Li* (2022). deep-dLAMP: deep learning-enabled polydisperse emulsion-based digital loop-mediated isothermal amplification. Advanced Science, 9(9), 2105450

        论文链接：https://doi.org/10.1002/advs.202105450