SERS in 3D cell models: a powerful tool in cancer research

计算机科学 纳米技术 癌症 癌症检测 癌症生物标志物 计算生物学 生物 材料科学 遗传学
作者
Lara Troncoso-Afonso,Gail A. Vinnacombe‐Willson,Clara García‐Astrain,Luis M. Liz‐Marzán
出处
期刊:Chemical Society Reviews [The Royal Society of Chemistry]
卷期号:53 (10): 5118-5148 被引量:3
标识
DOI:10.1039/d3cs01049j
摘要

Unraveling the cellular and molecular mechanisms underlying tumoral processes is fundamental for the diagnosis and treatment of cancer. In this regard, three-dimensional (3D) cancer cell models more realistically mimic tumors compared to conventional 2D cell cultures and are more attractive for performing such studies. Nonetheless, the analysis of such architectures is challenging because most available techniques are destructive, resulting in the loss of biochemical information. On the contrary, surface-enhanced Raman spectroscopy (SERS) is a non-invasive analytical tool that can record the structural fingerprint of molecules present in complex biological environments. The implementation of SERS in 3D cancer models can be leveraged to track therapeutics, the production of cancer-related metabolites, different signaling and communication pathways, and to image the different cellular components and structural features. In this review, we highlight recent progress in the use of SERS for the evaluation of cancer diagnosis and therapy in 3D tumoral models. We outline strategies for the delivery and design of SERS tags and shed light on the possibilities this technique offers for studying different cellular processes, through either biosensing or bioimaging modalities. Finally, we address current challenges and future directions, such as overcoming the limitations of SERS and the need for the development of user-friendly and robust data analysis methods. Continued development of SERS 3D bioimaging and biosensing systems, techniques, and analytical strategies, can provide significant contributions for early disease detection, novel cancer therapies, and the realization of patient-tailored medicine.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
聪聪发布了新的文献求助10
1秒前
bzc完成签到,获得积分10
3秒前
Yolen LI完成签到,获得积分10
3秒前
ColdPomelo完成签到,获得积分10
5秒前
智慧吗喽完成签到,获得积分10
5秒前
5秒前
drwlr完成签到,获得积分10
5秒前
8秒前
科研通AI2S应助想个名字采纳,获得10
9秒前
做实验太菜完成签到,获得积分10
10秒前
10秒前
ColdSunWu完成签到,获得积分10
10秒前
Stars完成签到,获得积分10
11秒前
诸葛小哥哥完成签到 ,获得积分10
11秒前
aaaa完成签到,获得积分10
11秒前
min20210429完成签到,获得积分10
11秒前
张若旸完成签到 ,获得积分10
12秒前
科研鸟发布了新的文献求助10
13秒前
香蕉觅云应助优美的背包采纳,获得10
13秒前
冷傲迎梦发布了新的文献求助10
15秒前
八森木完成签到,获得积分10
15秒前
银角大王完成签到,获得积分10
15秒前
想个名字完成签到,获得积分10
15秒前
李佳慧完成签到,获得积分10
16秒前
无解完成签到,获得积分10
17秒前
1478699071完成签到,获得积分10
17秒前
哭泣的缘郡完成签到 ,获得积分10
17秒前
茉莉静颖完成签到,获得积分10
18秒前
tjfwg完成签到,获得积分10
18秒前
19秒前
liudw完成签到,获得积分10
19秒前
19秒前
linuo完成签到,获得积分10
20秒前
AAA完成签到,获得积分10
21秒前
莫石榴完成签到,获得积分10
22秒前
fxx2021完成签到,获得积分10
22秒前
临妤发布了新的文献求助10
23秒前
易大人完成签到 ,获得积分10
24秒前
包容的绝义完成签到,获得积分10
25秒前
bobecust发布了新的文献求助20
25秒前
高分求助中
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 800
Essentials of thematic analysis 700
A Dissection Guide & Atlas to the Rabbit 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Внешняя политика КНР: о сущности внешнеполитического курса современного китайского руководства 500
Revolution und Konterrevolution in China [by A. Losowsky] 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3121786
求助须知:如何正确求助?哪些是违规求助? 2772169
关于积分的说明 7711621
捐赠科研通 2427558
什么是DOI,文献DOI怎么找? 1289401
科研通“疑难数据库(出版商)”最低求助积分说明 621451
版权声明 600169