文献解读 | 超表面光流控生物传感器：单波长成像重构谱移，实时检测乳腺癌细胞外囊泡（Nature Communications 2021）
论文简介
这篇论文解读的是 Jahani 等人 2021 年发表于 Nature Communications 的工作：Imaging-based spectrometer-less optofluidic biosensors based on dielectric metasurfaces for detecting extracellular vesicles（DOI: 10.1038/s41467-021-23257-y，开放获取）。作者来自瑞士洛桑联邦理工学院（EPFL）、美国威斯康星大学麦迪逊分校、澳大利亚国立大学与俄罗斯 ITMO 大学，通讯作者是超表面生物传感领域的代表学者 Hatice Altug（EPFL）与理论物理学家 Yuri Kivshar（澳大利亚国立大学）。
一句话贡献：论文把无标记超表面生物传感的”读数方式”从笨重的光谱仪换成单波长成像 + 算法重构谱移，用双原子准 BIC 全介质超表面微阵列配合微流控，实时检测乳腺癌细胞分泌的细胞外囊泡（extracellular vesicles, EVs），检出限约 $8\times10^7$ 个/mL（约 133 fM），动态范围约五个数量级。
无标记传感的难点：谱移可靠，但光谱仪又贵又慢
无标记（label-free）折射率传感的物理逻辑很直接：在超表面谐振器表面固定捕获分子（比如抗体），目标分子结合上去之后，谐振器表面附近水溶液的有效折射率上升，共振波长随之红移。这个谱移 $\Delta\lambda$ 携带”结合了多少目标分子”的信息，是这类传感器的通用读数量。
谱移本身的精度取决于两个指标：体折射率灵敏度 $S=\Delta\lambda/\Delta n$（单位 nm/RIU，RIU 即折射率单位）和共振线宽。通常用品质因数（figure of merit）衡量综合性能：
$$FOM = \frac{S}{FWHM}$$
其中 FWHM（full width at half maximum，半高全宽）越窄，同样大小的谱移越容易被分辨。理想情况下，高 Q 共振给出窄线宽，从而带来高 FOM。
问题出在”怎么读谱移”。最可靠的办法是光谱仪：直接测量整段透射/反射谱，追踪共振峰位置。但光谱仪体积大、成本高，而且一次只能处理有限的空间范围，很难同时对阵列里的几十上百个传感器并行读数。波长扫描式的高光谱成像可以做到空间分辨，但扫描本身耗时，跟不上分子结合的动力学过程。另一条路是”强度成像”：固定一个探测波长，拍一张图，看每个像素亮度变了多少。它便宜、快、可并行，但极度依赖器件均匀性和探测波长选择——只要传感器表面谱形略有差异，或者波长选得不合适，单像素信号就会又小又矛盾。这正是本文要解决的核心矛盾：既要光谱测量的可靠，又要强度成像的简单与大视场。
双原子超表面：把 BIC”泄漏”成可用的高 Q 共振
想要窄线宽，先要有高 Q 的共振。论文选择的物理基础是连续域束缚态（bound states in the continuum, BIC）：一种理论上与周围连续辐射谱共存、却完全不向外辐射的电磁态。真实器件里不存在完美 BIC——加工损耗和不完美会让它变成有限 Q 的”准 BIC”（quasi-BIC），而 Q 的高低恰好由结构的对称破缺程度控制。
论文在这一点上做了值得展开的设计选择：单胞（meta-molecule）由两个非晶硅（a-Si）谐振器组成——一个椭圆盘加一个圆盘，其中椭圆率 0.44 负责打破面内反演对称，把 BIC 从”完全锁死”变成”可控泄漏”。椭圆长轴 180 nm、短轴 100 nm，圆柱半径 90 nm，100 nm 厚的 a-Si 层用 CMOS 兼容工艺做在熔融石英衬底上（图 2）。
图 2：器件表征。(a) 制备的全介质超表面 SEM 图；(b)(c) 相邻四个 metaunit 的电场、磁场分布数值计算；(d) 集成光流控芯片在共振波长下的强度图，显示 3×4 传感器阵列与三条 PDMS 微流道；(e) y 偏振下实验透射谱；(f) metaunit 结构示意：椭圆盘（长轴 180 nm、短轴 100 nm）与圆盘（半径 90 nm）。
之所以选”圆盘 + 椭圆盘”这种双原子结构而不是单原子，是因为它给出更多设计自由度：可以更精细地同时调节准 BIC 的 Q 值与近场分布，让增强的电磁场”够得着”溶液里的目标分子。数值计算显示，局部电场增强最高接近 5000 倍，水溶液中谐振器表面 5 nm 薄层内的平均电场增强约 12.4 倍——高 Q 和强近场可及性在这里被同时满足，而不是此消彼长。
实测结果支撑了这套设计：共振线宽（FWHM）最低 2.3 nm、平均 $4.57\pm0.47$ nm，对应 Q 值最高 250、平均 $178.6\pm15.8$；体折射率灵敏度 305 nm/RIU，FOM 约 68 1/RIU（摘要表述为接近 70）。更实际的一点是加工宽容度：沿单一轴引入不对称的设计，对加工误差更友好，实测器件尺寸偏差小于 2%，面内光学响应足够均匀——这为后面”让每个像素都可信”的算法路线铺好了路。
核心思路：单波长成像 + 最优线性估计，把强度变化还原成谱移
有了均匀的高 Q 传感器阵列，剩下的问题就是读数。论文的装置如图 1(a) 所示：单波长光源照明整个芯片，CMOS（complementary metal-oxide-semiconductor，互补金属氧化物半导体）相机以固定时间间隔拍下全场强度图。目标分子结合后，共振谱红移 $\Delta\lambda$，在固定探测波长 $\lambda_p$ 处，透射强度随之变化。只要 $\lambda_p$ 落在谱的线性区，就有
$$\Delta I \approx \alpha\Delta\lambda$$
其中 $\alpha$ 是该像素在 $\lambda_p$ 附近的谱斜率——注意，它逐像素不同。这正是基本强度成像的命门：加工带来的微小谱形差异让每个像素的 $\alpha$ 不同，直接平均强度会让符号相反的像素互相抵消，单看一个像素则噪声太大（图 1(d)）。
图 1：平台与原理。(a) 实时流动成像平台：全介质超表面微阵列与三通道微流控集成，单波长照明、CMOS 相机全场成像；(b) 目标结合使透射谱红移 Δλ，固定波长处强度变化 ΔI≈α·Δλ；(c) 时间分辨单波长强度图像示意；(d) 基本强度成像的问题：单像素信号噪声大且相互矛盾，平均会压低有效信号；(e) 辅助成像：最优线性估计器配合光谱解码器（二维斜率图）动态重构谱移。
论文的做法是两步走，本质上是”先用一次高光谱标定每个像素的性格，之后就一直用单波长拍照”。
第一步构建光谱解码器：在探测波长 $\lambda_p$ 附近 ±0.5 nm 范围内，以 0.1 nm 步进采集 11 张图，对每个像素做线性拟合得到斜率 $\alpha_i$，形成覆盖整个传感器面积的二维斜率图。这张图告诉我们哪些像素灵敏、哪些像素迟钝、哪些像素”反向”。
第二步是最优线性估计（optimal linear estimator, OLE）：实时成像时，把每个像素的强度变化按自己的斜率加权合并，给出谱移的最优估计：
$$\Delta\hat{\lambda}_k=\frac{\sum_i \alpha_i\left(1-y_i^k\right)}{\sum_i \left(\alpha_i\right)^2}$$
其中 $y_i^k$ 是像素 $i$ 在时刻 $k$ 的归一化强度。直观理解：灵敏像素权重高，符号相反、噪声大的像素互相抵消，最后得到一个对传感器面内不均匀免疫的谱移值。OLE 在 $\lambda_p$ 附近约 2–3 nm 的线性邻域内成立；遇到大谱移（比如高浓度颗粒），作者再叠加一个修正因子扩展量程。
算法是否真的有用，论文用一组对照实验说得非常清楚（图 3）。实验里三个传感器同时经历 PBS（磷酸盐缓冲液）浓度切换，折射率从 1.33441 依次升到 1.33584、1.33731。当 $\lambda_p=808.8$ nm 时，解码器直方图几乎全是负斜率（传感器响应均匀）；当 $\lambda_p=811.3$ nm 时，正负斜率各占一半（响应不均匀）。第二种情形下，三路传感器用基本强度成像得到的 $\Delta I$ 差异很大，而用 OLE 重构的 $\Delta\lambda$ 三条曲线几乎重合——也就是说，算法让传感器对加工不均匀和探测波长选择都不再敏感。
图 3：算法验证。(a) 时间分辨强度数据输入最优线性估计器与光谱解码器（各像素在 λp 处斜率 α 的二维图）；(b) λp=808.8 nm 时解码器直方图以负 α 为主（均匀响应），PBS 1x→2x→3x 体传感中三个传感器的 ΔI（中）与重构 Δλ（下）；(c) λp=811.3 nm 时 α 正负参半（非均匀响应），ΔI 差异明显而重构 Δλ 一致。
表 1：三种读数方式对比（依据论文 Fig. 1 与 Fig. 3 实验）。
| 读数方式 | 仪器 | 能否实时 | 对不均匀的容忍度 | 空间并行能力 |
|---|---|---|---|---|
| 光谱测量 | 光谱仪 | 慢 | 高 | 低 |
| 基本强度成像 | 单波长光源 + 相机 | 快 | 低 | 高 |
| 辅助成像（OLE） | 单波长光源 + 相机 | 快 | 高 | 高 |
器件与芯片：一次成像覆盖十二个传感器
把上述设计做成芯片，是一个典型的”超表面 × 微流控”集成。论文的芯片包含 12 个 250 µm × 250 µm 的传感器，排成 3×4 微阵列，上面封接三条 300 µm 宽的 PDMS（polydimethylsiloxane，聚二甲基硅氧烷）微流道，每条流道同时流过四个传感器。显微镜视场大于 7 mm²，一次拍摄就能覆盖全部 12 个传感器，光学表征时实际采样了超过 95 万个 CMOS 像素（图 2(d) 中能看到传感器与流道边界，十字图案是用于图像配准的校准标记）。
测量是实时流动式的：压力泵保持缓冲液恒流，注射泵按时间序列注入不同浓度的样品，相机每 14 秒拍一帧。整套系统从约 150 µL 的净样品体积里完成测量，比常规血检小一个数量级以上；如果不需要实时流动数据、改为静态测量，体积还能降到几十 µL。表面化学用的是环氧硅烷共价固定链霉亲和素，再接生物素化的捕获抗体；每个流道里的第一个传感器用 BSA（牛血清白蛋白）封闭，作为扣除背景非特异性结合的对照。
实测性能：从纳米颗粒标定到乳腺癌囊泡的实时检测
作者先拿”标准颗粒”标定，再上真样本。第一步用直径 100 nm 的生物素化二氧化硅纳米颗粒模拟病毒和囊泡这类生物颗粒：七个浓度梯度、三个独立传感器，得到 21 个数据点的标定曲线（图 4(a)）。按三倍噪声标准差定义的检出限（LOD，limit of detection）为 $1.2\times10^8$ 个/mL，约合 199 fM（126 ng/mL）。为了确认这个信号对应真实的”结合事件”，作者用 SEM（scanning electron microscopy，扫描电子显微镜）数了传感器表面的颗粒：在 1.9×10⁸ 个/mL 的最低实测浓度下，78 张 SEM 图、总计 687 µm² 面积上平均检出 0.41 个颗粒/µm²——也就是说，平均每 2.4 平方微米才有一个颗粒，系统也能稳定报出信号。标定曲线的可重复性 RSD（相对标准偏差）在 0.33%–3.97% 之间。
第二步是真正的生物样本：从 4T1 小鼠乳腺癌细胞培养上清中，用顺序超速离心纯化出细胞外囊泡（EV，包含外泌体与微囊泡等亚型），再以 KMC8 抗 CD9 单克隆抗体捕获。CD9 是 tetraspanin 跨膜蛋白超家族成员，是研究最充分、最常用的 EV 表面标记物。检测传感器接抗体、对照传感器用 BSA 封闭，实时流动注入九个浓度、来自三个独立批次的 EV 溶液，在八个独立传感器上得到 24 个数据点（图 4(c)）。
图 4：检测性能。(a) 100 nm 生物素化二氧化硅颗粒的重建 Δλ 标定曲线，插图为低/高浓度结合后的 SEM 图；(b) EV 生物识别实验示意（检测传感器 vs BSA 封闭对照）；(c) EV 标定曲线，插图为放大横轴显示的小误差棒；(d) 4T1 细胞培养上清中 EV 的透射电镜（TEM）图。
结果：EV 的 LOD 为 $8\times10^7$ 个/mL，约合 133 fM（对应蛋白含量 267 ng/mL）；最低实测浓度 $1.23\times10^8$ 个/mL，约合 204 fM（423 ng/mL），标定曲线可重复性 RSD 为 0.50%–8.11%，动态范围约五个数量级。临床相关性在于量级：癌症患者血浆中肿瘤相关 EV 的平均浓度在 10⁹–10¹⁰ 个/mL 之间，本文的检出限比这个范围低一到两个数量级，也就是说理论上足以覆盖临床样本的检测需求。
表 2：关键性能指标（依据论文正文与图 4 数据）。
| 指标 | 数值 |
|---|---|
| 共振线宽 FWHM | 最低 2.3 nm，平均 4.57 ± 0.47 nm |
| Q 值 | 最高 250，平均 178.6 ± 15.8 |
| 体折射率灵敏度 | 305 nm/RIU |
| FOM | 约 68–70 1/RIU |
| 纳米颗粒 LOD | 1.2×10⁸ 个/mL（≈199 fM / 126 ng/mL） |
| 最低检出颗粒密度 | 0.41 个/µm²（SEM 核实） |
| EV LOD | 8×10⁷ 个/mL（≈133 fM / 267 ng/mL） |
| EV 最低实测浓度 | 1.23×10⁸ 个/mL（≈204 fM / 423 ng/mL） |
| 动态范围 | 约 5 个数量级 |
意义与展望
这项工作的意义不在于单个数字，而在于它把超表面生物传感器的”读数架构”整体换掉了：不再需要光谱仪或波长扫描，一台单波长光源、一块 CMOS 芯片和一套最优线性估计算法，就同时拿到了光谱测量的可靠性、强度成像的速度与 CMOS 相机的大视场。7 mm² 的视场原则上可以同时处理数百个微阵列传感器，天然适合”一管血测多个标志物”的多重检测场景。
从原理验证走向实际应用，还有几个可以自然延伸的方向。一是目标扩展：把表面功能化换成针对完整病毒、蛋白质、抗体、核酸的捕获分子，同一套平台就可以用于传染病检测与更小的生物分子分析。二是制造升级：目前器件用电子束光刻制备，若晶圆级高通量工艺成熟，可显著降低成本，让一次性生物芯片成为可能。三是集成化：用小型窄带光源和低成本片上成像器替代显微镜级的照明与相机，向便携式即时检测（point-of-care testing, POCT）设备靠拢。四是数据处理：大面积成像数据天然适合引入人工智能方法，实现更智能的传感结果解读。适用边界也需要说明：OLE 的谱移重构依赖共振附近的线性邻域（约 2–3 nm），大谱移需要修正因子；准 BIC 的高 Q 共振对折射率变化高度敏感，因此也对流体温度和背景介质稳定度有要求——这些是工程化时值得继续打磨的细节。
参考资料
- Yasaman Jahani, Eduardo R. Arvelo, Filiz Yesilkoy, Kirill Koshelev, Chiara Cianciaruso, Michele De Palma, Yuri Kivshar, Hatice Altug. Imaging-based spectrometer-less optofluidic biosensors based on dielectric metasurfaces for detecting extracellular vesicles. Nature Communications 12, 3246 (2021). DOI: 10.1038/s41467-021-23257-y（PMC 全文，CC BY 4.0）。
- Chia Wei Hsu, Bo Zhen, A. Douglas Stone, John D. Joannopoulos, Marin Soljačić. Bound states in the continuum. Nature Reviews Materials 1, 16048 (2016). DOI: 10.1038/natrevmats201648。
- Clotilde Théry et al. Minimal information for studies of extracellular vesicles 2018 (MISEV2018). Journal of Extracellular Vesicles 7, 1535750 (2018). DOI: 10.1080/20013078.2018.1535750。
- Filiz Yesilkoy et al. Ultrasensitive hyperspectral imaging and biodetection enabled by dielectric metasurfaces. Nature Photonics 13, 390–396 (2019). DOI: 10.1038/s41566-019-0394-6。