肿瘤是现代医学亟须克服的难题,肿瘤的早筛查、早治疗始终是临床医学的重大需求。本文评述了基于纳米粒子、纳米线、纳米管和纳米阵列来检测肿瘤标志物的纳米生物传感器的基本原理和检测特性。壳核纳米粒子具有丰富的修饰功能;纳米线多被制成场效应管以检测肿瘤标志物;基于良好的尺度效应,纳米管多用于载体运输及平台检测;金属纳米阵列和金属氧化物纳米阵列可利用电化学阻抗谱的原理来检测癌细胞。除由不同形态结构决定的优势和应用特点以外,与传统的检测方法相比,光学纳米生物传感器检测癌细胞具有快速便捷、检出质量浓度低等优势,因而在医学检测和肿瘤研究中得到了一定的应用,具有较大的发展潜力。

提出了一种由亚波长硅粒子组成的全介质超表面，在硅粒子中引入适当的缺陷从而破坏结构的对称性，进而使超表面能够激发出陷波模态.将石墨烯与全介质超表面相结合进行DNA和RNA等核酸物质传感检测，对比透射光谱中的谐振模式，发现所设计的超表面能够灵敏的感知周围环境的微弱变化，其在传感检测时的灵敏度可以达到173 nm/RIU，相应的品质因数可达14 416 RIU^-1，具有优异的生物传感性能.全介质超表面是实现超灵敏生物传感检测的一种有效的途径.

采用Langmiur-Bloggt膜技术和磁控溅射技术制备Ag覆盖聚苯乙烯小球六方密堆积阵列(Ag/PS HCA)基底, 再将合成的海胆状Au纳米粒子与4-巯基苯甲酸(4-Mercaptobenzoic acid, 4MBA)链接得到Au@4MBA探针, 然后将单链寡核苷酸DNA21分别与基底和Au@4MBA探针链接, 构建Au@4MBA-DNA21-Ag/PS HCA三明治结构, 在DNA21与miRNA-21杂交后使用双链特异性剪切酶(DSN)剪切DNA磷酸二酯键, 最后进行表面增强拉曼散射信号检测.实验结果表明, 基于上述三明治表面增强拉曼散射结构和酶剪切技术进行肿瘤标志物miRNA-21的检测, 在100 pmol·L－1到1 fmol·L－1的浓度范围内, 检测极限达到0.853 fmol·L－1, 具有极高的灵敏度和优良的特异性.

以聚苯乙烯（PS)小球为模板, 采用金属辅助刻蚀和湿法化学刻蚀技术, 制备大面积冠状硅柱阵列, 再原位生长银纳米粒子后得到银覆盖冠状硅柱阵列（Ag/Si CPA)基底。实验表明, 制备的基底具有优良的表面增强拉曼散射（SERS)特性, 电磁增强因子达到1.81×106。同时,将制备的罗丹明分子（R6G)标记的DNA发卡探针与基底链接, 在与miRNA-106a互补杂交后进行SERS信号检测, 获得相应的剂量-响应曲线。结果表明, 基于（Ag/Si CPA)基底的SERS特性, 开展miRNA-106a的检测, 具有特异性好和灵敏度高的优势, 检测范围为1 fmol·L-1～100 pmol·L-1, 检测极限为0.917 fmol·L-1。此外, 与实时荧光定量多聚核苷酸链式反应（RT-qPCR)方法相比, 不仅检测结果一致, 而且基于SERS光谱技术的检测方法具有更高的灵敏度。

肿瘤标志物的超敏特异性检测对肿瘤患者的早期诊断和治疗以及增加其存活率具有重要的意义。作为新一代的纳米荧光探针, 稀土掺杂上转换纳米晶具有独特的近红外激发的反斯托克斯上转换发光以及长荧光寿命等特征, 被认为是有机染料、稀土螯合物、量子点等传统荧光探针在肿瘤早期诊疗领域最有应用前景的替代者。本文从上转换纳米荧光探针最基础的物理化学性质如控制合成、表面修饰以及发光物理出发, 系统综述了该类材料在肿瘤标志物上转换体外检测方面的最新进展, 并对其未来的发展趋势与努力的方向作了进一步的远景展望。

肿瘤标志物在人类医学及恶性肿瘤的早期诊断、治疗监测及预后评估方面具有重要作用。目前血清肿瘤标志物的检测方法主要有放射免疫法(RIA)，酶联免疫吸附法(ELISA)及化学发光免疫法(CLEIA)等，这些方法各自存在放射性污染、操作繁琐、检测时间长、价格昂贵等缺点，限制了血清肿瘤标志物在临床医学及肿瘤检测中的应用。新近出现的基于局域表面等离子体共振效应(LSPR)的传感器因在生物医学检测领域极具优势而成为研究热点。基于局域表面等离子体共振效应的生物传感器，利用贵金属纳米结构对周围介质环境变化敏感的基本原理，可将生物分子吸附引发的金属纳米颗粒外界介质折射率的改变转化为可测量的LSPR峰值吸收波长有规律的移动以实现对传感器表面样品的检测，具备检测灵敏度高、特异性好、免标记、设备便携、成本低的优点，具备临床检测潜力。但到目前为止，利用此传感器检测与疾病及肿瘤相关的肿瘤标志物的类似研究报道较少。在本文中，我们针对LSPR生物传感器的传感原理、国内外的研究进展以及我们在此方面的主要研究成果进行了综述。

血清自体荧光光谱可以反映血清中癌细胞在代谢过程中发生的异常改变而导致的血清中荧光物质的成分、含量及微环境的变化，可作为癌症辅助诊断的一种新方法。利用荧光光谱分析技术，探讨了肺癌、肺良性疾病以及正常人血清的荧光光谱的异同，建立了血清荧光光谱检测的方法。同时联合肿瘤标志物群CEA，NSE，SCC-Ag，CYFRA21—1和p16甲基化，并运用人工神经网络技术和Fisher线性判别分析法分别建立了肺癌的诊断预测模型，并用ROC判别法对其预测结果进行比较。结果表明，荧光光谱联合肿瘤标志物建立的人工神经网络模型的预测效果优于单纯的荧光光谱神经网络模型，判别效果优于Fisher线性判别分析。