研究团队与发表信息 本研究由来自中国科学技术大学近代力学系的张婷、陈秋博、兰世海、吴尚犬、张青川等，联合中国科学技术大学附属第一医院胃外科的朱亮、张亚鲁、姚寒晖，以及中国科学技术大学细胞动力学教育部重点实验室的刘帅宇、北京中医药大学第三附属医院的夏燕和安徽医科大学生物医学工程学院的刘永曼共同完成。通讯作者为吴尚犬和张青川。该研究于2026年发表在 Advanced Science 期刊上。

研究背景与目的 癌症对人类健康构成严重威胁，其中胃癌在全球范围内具有较高的发病率和死亡率。传统的二维细胞培养模型缺乏组织结构和细胞异质性，难以准确预测药物疗效；动物模型则受物种差异、高成本和低通量的限制。类器官（organoid）技术的突破为个体化药物筛选提供了新的解决方案，尤其是患者来源类器官（patient-derived organoid，PDO）能够保留原始肿瘤的基因组特征、组织病理结构和药物反应异质性。然而，当前基于类器官的药物筛选仍依赖终点检测方法，如细胞活力测定、形态学观察和分子标志物表达分析，这些方法存在灵敏度低、耗时长、具有侵入性和成本高等局限。

活体系统不仅是生化反应的集合，更是高度动态的物理实体。细胞的力学特性与其生理和病理状态密切相关。已有研究表明，通过纳米力学传感器可以检测细胞、卵母细胞、细菌和脑肿瘤组织等的特定振动模式。然而，现有基于原子力显微镜（atomic force microscopy，AFM）的纳米力学研究多局限于单层细胞培养，无法充分反映患者特异性治疗反应。本研究旨在整合患者来源类器官模型与纳米力学振动传感技术，构建一种高灵敏度、非破坏性、高效的抗癌药物筛选与评估平台。

研究流程与实验方法 本研究首先建立了小鼠和人类胃癌类器官模型。小鼠胃类器官取自8周龄C57BL/6小鼠的胃腺，通过酶消化后包埋于Matrigel中进行三维培养，5至7天内形成具有中央空腔的单层极化上皮结构。通过免疫荧光染色检测LGR5、MUC5AC和PGC等细胞类型特异性标志物，验证了类器官包含干细胞、表面黏液细胞和壁细胞等多种细胞类型。

纳米力学振动检测采用Bruker JPK NanoWizard原子力显微镜，使用无尖端NP-O10探针在力调制成像模式下进行。类器官从Matrigel中释放后转移至纤连蛋白包被的培养皿中，探针接触类器官表面并施加预设力后记录其振动信号。阴性对照实验表明，非活性水凝胶表面和PBS溶液中的振动幅度极低（分别为0.08 nm和0.02 nm），而活类器官的振动幅度约为1.5 nm，证实信号来源于类器官自身的生物力学活动。

为探究振动信号的生物学来源，研究团队进行了系统的药理学扰动实验。使用细胞松弛素D（cytochalasin D，Cyto-D）解聚肌动蛋白丝，使用诺考达唑（nocodazole，Noc）解聚微管，使用EGTA螯合钙离子干扰细胞连接，使用羰基氰化物间氯苯腙（CCCP）破坏线粒体功能，使用HBSS进行营养剥夺，使用CoCl₂模拟缺氧环境，以及使用10% FBS促进细胞增殖代谢。通过比较不同药物处理前后类器官纳米振动幅度和频谱的变化，揭示了细胞骨架、细胞连接和细胞代谢对振动信号的贡献。

在数据分析方面，研究团队构建了一个四层一维卷积神经网络（1D-CNN）用于振动信号分类。首先比较了多种机器学习模型的性能，1D-CNN在收敛速度和验证准确率上表现最优。随后通过计算特征与类别标签之间的皮尔逊相关系数，从九个振动相关特征中筛选出五个核心判别特征：标准差、平均绝对偏差、FFT均值、主频幅值和偏度。特征优化后的模型整体验证准确率从87.5%提升至95.5%。

此外，研究团队还建立了一个类器官力学模型，将微悬臂梁简化为质量-弹簧元件，细胞间连接、类器官本身、腔内压力和类器官-基质接触均以弹簧系统建模。通过调节细胞骨架刚度（kc）、细胞数量和细胞活力等参数，模拟药物对类器官纳米振动幅度和频谱的影响。

主要结果 研究首先揭示了类器官生长与纳米振动的关系。类器官按直径分为小（约50 μm）、中（约150 μm）和大（约250 μm）三组，在0.5、2和5 nN三种探针压入力下检测。结果显示，在同一压入力下，类器官越大，振动幅度越大；在同类器官尺寸下，压入力越大，记录到的振动幅度也越大。这表明振动幅度受到活跃振动细胞数量、代谢活动和细胞间机械耦合效率的综合影响。

药理学扰动实验结果揭示了纳米振动的多因素敏感性。Cyto-D和Noc处理均显著降低了振动幅度，EGTA、CCCP、HBSS和CoCl₂处理同样导致振幅下降，而10% FBS处理则显著增加振幅。快速傅里叶变换（FFT）分析发现类器官振动存在三个特征峰：峰1（980–1020 Hz）、峰2（1990–2010 Hz）和峰3（约2500 Hz）。非生物水凝胶仅显示峰1，证实峰2和峰3来源于类器官的纳米振动。Cyto-D处理导致峰3消失并在其右侧出现新峰，而峰2保持稳定；Noc处理不仅使峰3完全消失，还降低了峰2的强度，表明两种药物作用于不同的结构组分。

在深度学习分类方面，仅使用振幅特征时，小类器官组与Cyto-D处理的中类器官组之间的分类准确率仅为50%，总体准确率为87.5%。通过引入九个手工选择的特征，总体准确率提升至94.25%，小类器官组准确率提升至68%。进一步通过数据驱动的特征选择保留五个核心特征后，总体验证准确率达到95.5%，小类器官组准确率达到82%。这一优化过程有效消除了冗余特征对模型泛化能力的干扰。

在抗癌药物筛选应用中，研究团队从临床手术标本中成功建立了正常人胃黏膜类器官和胃癌类器官。形态学上，正常类器官呈现典型的中空球形结构，而胃癌类器官则表现为不规则囊性结构。以紫杉醇（paclitaxel）为模型药物，500 pM处理24小时后，胃癌类器官形态结构和凋亡信号（裂解的caspase-3）均无显著变化，但纳米振动幅度显著降低。在7位独立患者的胃癌类器官中，500 pM紫杉醇处理均一致降低了振动幅度，降低程度在30%–70%之间，反映了个体间异质性。浓度梯度实验（100 pM、500 pM、5 nM）显示振幅呈剂量依赖性下降。延长培养后所有药物处理组类器官均死亡，证实纳米振动检测能在形态学改变和细胞死亡之前捕获药物的早期效应。

1D-CNN模型在区分正常类器官、胃癌类器官和紫杉醇处理后的胃癌类器官时达到了97%的准确率。振动幅度与Ki67/DAPI比值之间呈强正相关（Spearman ρ = 0.8261，p < 0.0001），表明纳米振动信号能够定量反映细胞增殖状态。

类器官力学模型成功预测了药物诱导的振动幅度和频谱变化。模拟显示，单纯增加细胞骨架刚度会使振幅增加并最终趋于饱和；纳入药物诱导的细胞数量减少后，平台强度降低；进一步考虑细胞活力丧失后，振幅呈持续下降趋势。EGTA处理降低细胞间连接强度后，模型预测振幅下降。频谱模拟显示，紫杉醇和EGTA处理均导致表面刚度降低，频谱左移，与实验结果一致。

研究结论与意义 本研究成功构建了一个整合患者来源胃癌类器官、基于AFM的纳米力学振动检测、深度学习和类器官力学模型的药物评估平台。该平台能够在皮摩尔浓度的紫杉醇处理下，在形态学变化、细胞死亡或增殖下降之前检测到振动变化，灵敏度显著优于传统终点检测方法。通过深度学习驱动的特征优化，平台实现了97%的药物疗效判别准确率。类器官力学模型为药物诱导的振动变化提供了机制解释。

该平台具有高灵敏度、非侵入性、快速检测和成本效益高等优势，将类器官药物筛选从静态、破坏性的生化读数转向动态生物物理分析。研究为基于生物力学的类器官药物评估和筛选建立了新的技术框架，有望加速个性化癌症治疗和临床前药物开发。

研究亮点 本研究的创新之处在于：首次将纳米力学振动检测从单层细胞培养扩展到三维患者来源类器官模型；通过系统药理学扰动实验揭示了振动信号的细胞骨架和代谢来源；采用数据驱动的特征选择优化深度学习模型，显著提高了分类精度；建立了类器官特异性力学模型，实现了对药物诱导振动变化的预测。该平台仅需0.1秒的振动数据即可实现高精度分类，单个类器官的完整检测可在30秒内完成，展示了显著的临床应用潜力。