胸腺上皮性腫瘤（TETs）是一種罕見但具有重要臨床意義的惡性腫瘤，由于其臨床表現(xiàn)隱匿且缺乏無創(chuàng)的風險分層工具，面臨診斷挑戰(zhàn)，導致系統(tǒng)性過度治療及高危亞型患者預后不良。

2026年1月30日，上海交通大學黃琳，錢昆，Wei Chen和中山大學姚向東共同通訊在PNAS在線發(fā)表題為“Fe metal–organic framework–derived heterojunction for metabolic diagnosis of thymic epithelial tumor”的研究論文。該研究開發(fā)了一種Fe3O4@Fe金屬-有機框架異質結增強的激光解吸電離質譜（LDI MS）平臺，用于高效分析血清代謝指紋（SMFs）。

該納米材料通過梯度熱解工程化制備，其兩個組分協(xié)同增強了紫外吸收與光熱轉換性能，并促進了電荷分離，從而將檢測靈敏度提升了1000倍，使得僅需1 μL血清即可直接獲取SMFs。結合機器學習算法，該平臺展現(xiàn)出穩(wěn)健的診斷性能：在區(qū)分TETs與良性對照時，曲線下面積（AUC）達到0.960；在進行分層風險評估時，AUC為0.856，其性能優(yōu)于現(xiàn)有臨床流程。此項工作不僅推進了LDI MS的材料設計，更為實現(xiàn)快速、大規(guī)模篩查建立了一個具有臨床轉化潛力的框架，通過代謝驅動的分層策略彌補了TET診療中的關鍵不足。

胸腺上皮性腫瘤（TETs）包括胸腺瘤與胸腺癌，是前縱隔最常見的腫瘤類型，具有復雜的病理學表型特征。低風險（LR）TETs通常預后良好，其5年生存率可達78%；而高風險（HR）TETs則因易發(fā)生淋巴結轉移及遠處播散，預后較差（5年生存率僅約40%）。目前臨床診療主要依賴計算機斷層掃描（CT）等影像學手段進行初篩，但其特異性有限，需通過費時費力的多維度評估以鑒別胸腺占位性病變。此外，組織病理學活檢雖為診斷金標準，卻面臨諸多實際限制，包括患者對侵入性采樣的抗拒，以及TETs與非腫瘤性淋巴細胞之間存在的組織形態(tài)學模糊性。耗時的檢測方法與較低的特異性常導致低風險TETs的過度治療。盡管這些腫瘤僅局限局部生長，可能僅需輔助治療，但部分患者仍接受了不必要的手術干預，這帶來了顯著的醫(yī)療負擔。

代謝物作為生物通路的終末小分子產物，能夠實時反映動態(tài)生理狀態(tài)。在TETs中，異常增殖的胸腺細胞表現(xiàn)出腫瘤固有的內分泌活性，可破壞全身代謝穩(wěn)態(tài)，并引發(fā)如重癥肌無力等副腫瘤綜合征。這種腫瘤驅動的代謝重編程使得代謝譜分析成為一種極具前景的工具，既能用于精準診斷，亦有助于機制探索?；|輔助激光解吸/電離質譜（MALDI MS）已成為一種有潛力的組學平臺，具有樣品前處理簡單、分析快速、高通量的優(yōu)點。然而，由于小分子檢測面臨挑戰(zhàn)，其應用此前主要局限于蛋白質組學領域。傳統(tǒng)的有機基質，如α-氰基-4-羥基肉桂酸（CHCA）和2,5-二羥基苯甲酸（DHB），在低分子量范圍（100至1000 Da）存在嚴重的背景干擾，這是制約代謝物分析的關鍵瓶頸。

胸腺上皮腫瘤（TETs）患者代謝診斷工作流程示意圖（圖片源自PNAS）

納米級基質材料的最新進展通過設計材料界面應對了這些局限。例如，二維金屬有機框架納米片（2D MOF NSs）在激光燒蝕下不易發(fā)生自身分解，從而減少了背景干擾峰的生成。此外，MOFs中芳香酸配體的羧基可通過介導質子轉移，進一步提高陽離子加合效率。然而，原始MOFs在LDI過程中仍面臨快速電子-空穴復合及能量耗散欠佳的實際限制。當前策略主要旨在通過外源性親金屬官能團修飾或傳統(tǒng)熱激發(fā)方法構建貴金屬/金屬氧化物異質結構，以建立協(xié)同的主客體界面。但這些方法或因步驟繁瑣，或因界面耦合較弱而受限，阻礙了具有精確界面調控的穩(wěn)健異質結結構的高效設計。一種極具前景的方法涉及對MOFs進行可控的部分熱解，以構建界面異質結與缺陷，此方法可增強光生載流子分離，并可能顯著提升LDI性能，從而服務于精準醫(yī)療應用。

本研究開發(fā)了一種梯度熱解方案（350至500°C），用以構建源自鐵基MOF納米片（記為Fe-MOF）的異質結。這些異質結構整合了具有高光熱轉換效率的磁鐵礦納米顆粒（Fe3O4 NPs），從而提升了界面電離性能。優(yōu)化后的Fe3O4@Fe-MOF異質結在代謝物檢測中實現(xiàn)了最高1000倍的信號放大，能夠以極低的樣本消耗量（1 μL）直接獲取血清代謝指紋（SMFs）。通過對SMF模式進行機器學習，作者構建了一個穩(wěn)健的診斷平臺，用于區(qū)分TETs與良性對照（BC），其曲線下面積（AUC）達到0.960。進一步地，作者鑒定出一組包含12種代謝物的組合，可用于分級風險分層，其AUC為0.856。本工作不僅推進了面向LDI MS的先進材料的理性設計，也為臨床代謝組學建立了一個服務于精準腫瘤學的變革性平臺。

https://doi.org/10.1073/pnas.2522028123