此前，多学科研究中心李玉锋研究员等人利用上述飞扫技术，建立了基于同步辐射X射线荧光光谱（SRXRF）的空间金属组学（spatial metallomics）方法，为解析恩施碎米荠的富硒机制提供了有力支持，相关成果发表于Journal of Agricultural and Food Chemistry杂志（2023, 71, 2568）。最近，他们与相关团队合作，利用SRXRF及人工智能技术，建立了非靶金属组学（Non-targeted metallomics，NTM）方法，成功用于疾病及新污染物毒性筛查。
肺结节是指肺部影像上各种大小、边缘清楚或模糊、直径小于等于3cm的局灶性圆形致密影，包括良性和恶性两种，其中未经治疗的恶性肺结节可发展为肺癌。因此，有必要发展快速鉴别良、恶性肺结节的方法，从而实现对肺癌的早期筛查和治疗。目前组织病理学检查是诊断良、恶性肺结节的金标准，但该法具有侵入性、且耗时费力。发展更有效、破坏性更小的良、恶性肺结节诊断方法仍然是一个迫切的临床需求。中国科学院高能物理研究所李玉锋研究员、陈栋梁研究员与中国农业大学王伟教授、安徽医科大学王欣教授以及安徽医科大学第二附属医院李超副主任医师合作，利用上述基于SRXRF和人工智能技术的NTM方法，通过血液快速区分良、恶性肺结节，预测准确率达96.7%，相关工作发表于Environment & Health杂志（2024，DOI：10.1021/envhealth.4c00124）。与前人发展的利用血液代谢组或蛋白质组差异区分良、恶肺结节等方法相比，本法具有操作简单、分析速度快等优势。该法也已用于癌症、急性心肌梗死等疾病以及微纳米塑料毒性筛查。
上述相关成果已编入最近出版的《Applied Metallomics》（Wiley, 2024）一书，该书是多学科研究中心金属组学研究团队继《Nuclear Analytical Techniques for Metallomics and Metalloproteomics》（RSC, 2010）、《金属组学》（科学出版社，2016）后第三本金属组学专著，为金属组学的发展贡献了中国力量。
附件下载：
