2023年7月3日，复旦大学马炯/糜岚课题组在期刊Talanta以Article形式在线发表题为“Closed, one-stop intelligent and accurate particle characterization based on micro-Raman spectroscopy and digital microfluidics”的文章。该研究首次采用数字微流控芯片（DMF）作为样品检测平台，并结合微拉曼光谱技术和机器学习算法对蛋白质颗粒进行了智能表征。
本研究采用封闭式的DMF芯片作为溶液颗粒样品平台，将应力降解诱导的蛋白质颗粒溶液加到DMF芯片上，并产生多个液滴用于拉曼光谱检测。将获得的蛋白质颗粒拉曼光谱对多个机器学习分类算法进行训练，得到了高分类准确率（93%–100%），最终成功表征和预测了八种类型的蛋白质颗粒。
图表1 通过HOOKE P300共聚焦显微拉曼光谱仪拍摄的数字微流控芯片产生的液滴中蛋白质颗粒的光学图像
图表2 不同影响因素条件下形成的8种蛋白质颗粒拉曼光谱的特征拉曼峰分布
本研究首次报道了DMF作为一个封闭的样品平台并整合微拉曼光谱进行颗粒表征，有效预防颗粒污染，并通过实现颗粒表征一站式检测而提高检测效率。同时，机器学习算法和分析高度简化了复杂的拉曼光谱解析，保障较高分类准确度，而实现数据驱动的颗粒控制策略制定，有效延长生命周期管理中的高浓度抗体蛋白质产品的效期。
