电子科大AM：深度学习驱动的等离激元平台用于解码帕金森病进展中的动态蛋白聚集景观

针对帕金森病（PD）诊断中蛋白聚集体表征难及传统标志物局限的问题，电子科技大学Cheng Jiang教授团队在《Advanced Materials》发表成果，开发了深度学习驱动的等离激元平台PANDA。该系统利用免疫金簇将α-突触核蛋白聚集体的超分子大小分布转化为散射特征，实现了人血清样本的非侵入性分析。研究揭示了PD进展中“寡聚体向纤维”的病理转变，发现聚集体大小谱与临床评分及多巴胺能PET成像显著相关。通过整合深度神经网络，PANDA能高精度分类PD阶段，为神经退行性疾病提供了客观的分子诊断与分层参考，构建了AI增强的新型诊断框架，有望突破早期诊断瓶颈，支撑临床决策。