AIVEV文献分享丨《Nature Methods》引入多因素认证框架,破解细胞外囊泡异质性难题

研究背景：

    细胞外囊泡（EVs）高度异质，其大小、来源和分子组成差异显著，且常与非囊泡颗粒共存。传统依赖单一分子标记的鉴定方法特异性不足，导致结果可重复性差，难以准确解析EV亚群功能。尽管MISEV指南推荐多参数表征，但缺乏系统性整合框架。受计算机科学中多因素认证（MFA）概念启发，本文提出将结构特征与分子标记相结合的序贯验证策略，旨在解决EV异质性带来的鉴定难题。

本文亮点：

1. 将计算机科学中的“多因素认证”（MFA）框架系统引入细胞外囊泡（EVs）分析，通过整合结构特征与分子标记的序贯验证，显著提升了EV鉴定的特异性与可靠性。

2. 全面梳理并评述了当前EV亚群及单EV水平的MFA-like技术，涵盖流式细胞术、超分辨显微镜、免疫测序、数字分析及纳米技术平台，为不同应用场景提供了系统的技术路线图。

3. 提出融合人工智能（AI）数据处理、标准化数据存储库及无标记/可逆捕获模块的未来MFA架构，旨在解决现有方法在通量、可重复性和样本保存方面的核心瓶颈。

图文导读：

图1 ：将多因素认证（MFA）概念从计算机科学引入细胞外囊泡（EV）分析。a. 在计算机科学中，MFA是一种安全框架，要求通过多个独立且正交的认证因子，才能从多样化群体中成功验证单个个体。b. 将该MFA概念采纳并应用于EV分析。第一代类MFA技术结合了多个因素（如尺寸分析、膜蛋白及脂双层特征）来验证EV身份。c. 面向单EV分析的理想化下一代MFA将整合结构因子与分子因子，包括尺寸、表面电荷、脂双层及组成、表面分子和腔内货物，从而以更高的置信度验证单个EV。d. 这一受MFA启发的框架能够在高度异质性的整体群体中精确识别单个EV。

图片解析：阐述了将计算机科学中的多因素认证（MFA）框架引入细胞外囊泡（EV）分析的核心理念。图1a展示了计算机科学中MFA的原理：通过多个独立且正交的认证因子从庞大且多样的人群中精确识别个体。受此启发，图1b呈现了第一代“类MFA”技术在EV分析中的应用，即组合尺寸、膜蛋白和脂双层特征等少数因子来初步验证EV身份。然而，这类方法仍不够全面。图1c描绘了理想化的下一代单EV MFA框架，要求序贯整合结构属性和分子标志物，从而以更高置信度确认单个EV的归属。图1d直观说明了该框架如何在高度异质的EV群体中精准锁定目标EV。

图2：EV的生物发生与类型。EV根据其尺寸、来源和组成进行大致分类。尽管存在差异，不同类型的EV在尺寸和标志物上仍有显著重叠，这凸显了区分它们所面临的挑战。

图片解析：图中以示意图形式展示了主要EV类型，外泌体：30-150 nm，来源于多囊泡体与质膜融合后释放、微囊泡：100-1000 nm，直接从质膜出芽，以及凋亡小体：500-2000 nm，细胞程序性死亡产生。尽管这些EV亚型在生成途径和物理性质上有所不同，但它们的尺寸范围和标志物表达存在显著重叠。例如，小EV与某些脂蛋白颗粒尺寸相近，表面蛋白如四跨膜蛋白在不同亚型中均有分布。该图还暗示了非囊泡颗粒的存在，这些颗粒与EV共分离，进一步加剧了鉴定的难度。通过直观展示这些重叠特征，强调了传统单参数方法的局限性，并揭示了为何需要如MFA这样的多因子框架——只有同时验证结构特征和多个分子标志物，才能可靠地区分EV与其相似颗粒，并解析不同EV亚群的生物学独特性。

图3：EV亚群分析中的类MFA技术。a. 基于尺寸或密度的分离方法，如尺寸排阻色谱（SEC）、超滤（UF）、超速离心（UC）和密度梯度超速离心（DGUC），能够根据不同的物理特性区分EV亚群，同时将其与可溶性蛋白和非囊泡颗粒分离。b. 多重微珠检测利用抗体包被的微珠、荧光标记抗体和流式细胞术，实现对EV的多标志物谱分析，以捕获并分析EV亚群。c和d. 基于亲和力的下拉方法，包括微珠下拉（c）和平台下拉（d），使用亲和配体功能化的微珠或表面，基于特定标志物分离EV亚群，并可通过下游分析（如荧光显微镜或拉曼光谱）对EV货物进行多重谱分析。

图片解析：归纳了用于EV亚群分析的三种主要“类MFA”技术路线。图3a展示了基于尺寸或密度的分离方法，如尺寸排阻色谱SEC、超滤UF、超速离心UC及密度梯度超速离心DGUC，这些方法能初步将EV按物理性质分为小EV（≤200 nm）和大EV（≥200 nm），同时去除可溶性蛋白及部分非囊泡颗粒，构成了MFA的第一个认证因子。图3b呈现了多重微珠检测法，如Luminex、MACSPlex；利用不同抗体包被的微珠捕获特定表面标记的EV亚群，再通过流式细胞术实现多标志物并行分析，可同时检测数十种细胞来源的EV。图3c和3d展示了亲和力下拉方法，包括微珠下拉和平面平台下拉，利用抗体、适配体或配体功能化的表面高效富集特定EV亚群，并可与荧光显微镜或拉曼光谱联用，对捕获EV的货物进行进一步分析。这些技术通过整合尺寸分选与分子标志物检测，在亚群水平上实现了多因子验证，但图注也指出其存在标记物选择偏差、捕获表面饱和等局限性。

图4：单EV分析中的类MFA技术。a. 基于流式细胞术的方法可检测单个EV上荧光标记的分子（如脂质、表面蛋白和腔内核酸），同时提供尺寸和形态信息，实现对单个EV的高通量、多标志物分析。b. 基于荧光显微镜的方法使用靶向表面及腔内蛋白、核酸或脂质的探针，以高分辨率可视化单个EV。c. 免疫测序方法将免疫沉淀与DNA条形码技术相结合，以识别单个EV的表面蛋白。d. 数字检测利用微阵列或微滴平台分析单个EV，以高灵敏度和高精度靶向表面分子。e和f. 纳米技术利用纳米材料，如表面增强拉曼散射纳米颗粒（SERS NPs）、上转换纳米颗粒（UCNPs）和量子点（QDs，图e），以及基于纳米结构的生物传感器（图f），以增强的灵敏度和特异性检测表面分子、腔内分子货物和化学基团。

图片解析：汇总了用于单EV水平分析的“类MFA”技术，覆盖了当前主流及前沿方法。图4a展示了基于流式细胞术的方法，可同时检测单个EV的尺寸、形态以及表面蛋白、脂质和腔内核酸等荧光标记，具备高通量优势。图4b为基于荧光显微镜的方法，能以纳米级分辨率可视化单个EV上多个表面和腔内标志物的分布与共定位，揭示亚囊泡结构。图4c展示了免疫测序方法，如邻近依赖条形码分析PBA、单EV免疫测序seiSEQ，利用DNA条形码标记表面蛋白，通过扩增和测序实现极高多重性的蛋白谱分析。图4d为数字检测方法，如微滴数字ELISA、微滴数字PCR，通过将样本分隔至微滴中实现单EV级别的绝对定量。图4e和4f聚焦于纳米技术平台：利用表面增强拉曼散射（SERS）纳米探针、上转换纳米颗粒（UCNPs）、量子点（QDs）以及纳米结构生物传感器（如等离激元纳米孔、纳米金表面），以超高灵敏度和特异性捕获EV的表面分子、腔内货物乃至无标记的化学指纹。

总结与展望

   本文系统性地将多因素认证（MFA）框架引入细胞外囊泡（EV）分析，通过整合结构特征与分子标记，显著提升了EV鉴定的特异性与可重复性，突破了传统单参数方法的局限。MFA框架将向更全面的方向演进，一方面需融合无标记、可逆捕获等新技术，增加机械、光学等认证维度；另一方面，人工智能的引入有望整合多模态数据，加速EV亚群识别与功能预测。随着标准化数据库的建设和商业化平台的普及，MFA有望成为EV研究的新基石，推动精准诊断与治疗的发展。

doi:

10.1038/s41592-026-03068-z

原文链接：

https://www.nature.com/articles/s41592-026-03068-z