用于快速准确的多路病原体识别的荧光传感器阵列

《Analytica Chimica Acta》：Fluorescent Sensor Array for Rapid and Accurate Multiplexed Pathogen Identification

　　

黄思源|胡玉清|王红玉|王瑞瑶|周中祥|吴佩佩|张行刚

功能聚合物材料国家重点实验室（教育部），天津大学化学学院聚合物化学研究所，天津市功能聚合物材料重点实验室，中国天津300071

摘要

背景

抗菌素耐药性的挑战源于病原体识别的延迟和不准确。这导致现有的诊断方法无法指导抗生素的合理使用。因此，在临床环境中需要一个快速的诊断平台。因此，利用细菌活性机制进行快速识别的阵列传感器非常有价值。

结果

我们开发了一种基于活性的荧光传感器阵列。该阵列由四种靶向聚合物纳米探针组成，每种探针都功能化了特定的识别基序，包括苯硼酸和糖类。与细菌孵育后，纳米探针产生了不同的荧光响应模式，反映了能量依赖行为的差异。在30分钟内，该阵列以96.6%的准确率识别出六种病原体，并区分了敏感菌株和耐药菌株。

意义

后续的机制研究表明，这种区分能力来源于受体识别和代谢活动的差异。本文提出了一种专注于动态生理吸收过程的传感方法。该传感器阵列为病原体检测和耐药性分析提供了快速而准确的工具，满足了对抗抗菌素耐药性的关键需求。

引言

由于抗生素的广泛使用，抗菌素耐药性的增加催生了对快速而精准的病原体诊断的需求[1]。病原体识别不足常常导致临床中抗生素的不当使用，从而加剧了抗菌素耐药性和不良临床后果[2, 3, 4]。通过识别病原体种类并相应使用抗生素，可以缓解这一问题。已经开发出了多种细菌检测方法，如平板培养、ELISA、RT-PCR[5, 6]、基因测序[7]、16s测序[8]、质谱分析[9]、光学检测[10]、光热检测[11]、热纳米机械传感[12]和等离子体纳米传感器[13]。然而，这些方法在临床中的应用受到检测时间长、依赖仪器设备以及成本高的限制。

传感器阵列技术通过生成不同的响应模式来实现目标菌株的区分[14, 15, 16, 17]。然而，许多现有细菌传感器阵列的共性限制在于它们通过被动结合在细胞表面进行识别[18, 19, 20]。这使得单个传感器阵列需要包含多个探针，使得系统过于复杂，应用受到限制。为了克服这一限制，研究策略集中在针对细菌的生命活动上。先前的研究通过针对代谢副产物（如过氧化氢酶[21, 22]）实现了高效的细菌识别。此外，不同细菌种类对营养物质的偏好差异[23, 24]表明，基于细菌吸收机制（涉及表面相互作用和潜在的内化过程）的区分也具有巨大的应用潜力。

在这项研究中，我们报告了一种基于靶向纳米探针的机制驱动荧光传感器阵列。该阵列由少数几种聚合物纳米探针组成，这些探针功能化了特定的靶向基序（例如苯硼酸和糖类），以与不同的表面受体结合，并具有聚集诱导发射（AIE）特性以实现荧光信号传导（图1）。此外，进一步探究了细菌识别机制，发现差异化的活性依赖响应效率能够实现快速的细菌区分。因此，通过利用靶向纳米探针的能量依赖性活性，我们的阵列实现了对临床相关病原体的快速、准确识别，为对抗抗菌素耐药性开辟了一种新的机制驱动范式。

部分摘录

材料与仪器

本研究中使用的材料和设备列在支持信息中。

5-丙烯酰胺基-1,2-苯并硼唑（AAmBO）的合成

AAmBO的合成按照我们之前的工作[25]进行。将5-氨基-2-羟基甲基苯硼酸HCl（500.00 mg，0.269 mmol）加入含有NaOH（508.00 mg，1.45 mmol）的水溶液中（H₂O 10 mL）。反应混合物在氮气保护下于冰浴中搅拌30分钟。然后通过注射泵缓慢加入新鲜蒸馏的丙烯酰氯（511.33 mg，5.65 mmol）。

传感器阵列的制备与表征

为了实现差异性检测，需要多个能够生成不同响应模式的传感器单元来识别细菌。有效传感器阵列的设计需要考虑识别受体与细菌表面之间的分子相互作用，以及传感器单元随后被细菌细胞吸收的过程。选择苯硼酸部分是因为其与细菌膜上丰富的多糖具有高亲和力[25]。

结论

总之，我们开发了一种能够快速、准确识别细菌的靶向荧光传感器阵列。该阵列在30分钟内成功区分了六种细菌种类，并根据它们对功能化纳米探针的不同吸收模式区分了敏感菌株和耐药菌株。机制研究表明，这种区分能力与细菌的代谢活动密切相关。不同的荧光模式表明...

CRediT作者贡献声明

黄思源：撰写——原始草案，可视化，验证，监督，软件，资源，项目管理，方法论，研究调查，资金获取，正式分析，数据管理，概念构思。胡玉清：可视化，验证，软件，资源。王红玉：正式分析，数据管理。吴佩佩：验证，资源。张行刚：撰写——审稿与编辑，监督，项目管理。王瑞瑶：监督，方法论。周中祥：

利益冲突

作者声明没有利益冲突。

数据可用性

本文描述的研究未使用任何数据。

手稿准备过程中生成式AI和AI辅助技术的声明

在准备这项工作时，我们使用了Deepseek来提高手稿的可读性和语言表达。使用该工具后，作者根据需要审阅和编辑了内容，并对发表文章的内容承担了全部责任。

竞争利益声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

致谢

本研究得到了国家自然科学基金（项目编号：22475108）和东营市自然科学高质量发展与卫生联合基金（项目编号：2024ZRWS024）的资助。