综述：基于适配体的传感器在医疗诊断中的应用

《TrAC Trends in Analytical Chemistry》：Aptamer-Based Sensors in Healthcare Diagnostics

Defne Yigci|Lin Wang|Nazente At?eken|Rosalia Moreddu|Yubing Hu|Maya Sleiman|Gozde Korkmaz|Sevde Altuntas|Ali K. Yetisen|Savas Tasoglu

土耳其伊斯坦布尔科奇大学医学院，邮编34450

摘要

生物医学和技术的进步促进了分子生物标志物的检测，这些生物标志物可以指示疾病的发作或进展，通常在病理状况的临床表现之前出现。持续识别和验证生物标志物扩大了早期疾病诊断、及时治疗干预和改善临床结果的潜力。对于能够准确检测生物标志物的快速、成本效益高、高灵敏度和特异性的分析平台的需求正在增长。适配体传感器作为一种强大的分析工具应运而生，它们能够实现精确的现场生物标志物检测，同时具有出色的多功能性、稳定性和经济性。本文总结了基于适配体的传感器的历史发展及其基本原理，并讨论了其在医疗保健和即时检测（POC）诊断中的应用，特别是在恶性肿瘤的早期检测、慢性病的监测以及传染病的识别方面。此外，还探讨了适配体传感器发展的当前局限性和未来方向，包括其在实时监测和高通量筛选方面的潜力。

引言

当前的医疗系统依赖于一系列生物医学诊断技术，包括医学成像、生物流体分析、组织病理学和即时检测（POC）测试，这些技术有助于早期疾病检测和治疗进展的监测¹。疾病状态的表现通常伴随着特定分子特征（称为生物标志物）的可测量变化，这些变化与正常的生理状态不同。现代分析化学在生物医学诊断中的一个基本目标是准确且选择性地检测疾病特异性生物标志物的结构或浓度变化²。传统的集中式分析技术，如质谱法、红外光谱法、拉曼光谱法和核磁共振（NMR），可以提供有关分析物浓度和分子结构的宝贵信息。然而，这些方法的一个主要局限性在于它们无法进行现场或实时评估(3), (4), (5), (6)。此外，传统的诊断策略严重依赖于冷链运输，产生较高的运营成本，并且需要熟练的人员来进行样本处理和分析(7), (8), (9), (10)。因此，开发先进的分析技术对于实现准确、现场、实时和用户友好的疾病相关生物标志物检测至关重要，从而有助于早期诊断并改善临床决策(11), (12), (13), (14)。

生物传感器作为一种非常有前景的分析技术应运而生，旨在克服传统诊断方法的现有局限性，并在即时检测应用中展现出巨大潜力(15), (16)。提高生物传感器的性能，特别是在目标检测的灵敏度和特异性方面，仍然是分析研究的核心目标。核酸（如DNA和RNA）可以自组装成热力学稳定且功能活跃的三维纳米结构，这些结构能够以高亲和力和特异性结合特定目标；这些分子被称为适配体。使用适配体作为生物识别元件具有优越的特异性、多功能性、成本效益和稳定性，并且与基于抗体的检测方法相比，批次间的变异性较小。因此，基于适配体的传感器（适配体传感器）在生物医学诊断的广泛应用中具有巨大潜力(17), (18)。

章节片段

适配体传感器的发展

适配体传感器出现在20世纪90年代初，随着Ellington和Tuerk（19），（20）报道的“通过指数富集进行配体系统进化”（SELEX）方法的发展而出现（图1）。这种方法使得能够在体外选择能够以高亲和力和特异性结合分子目标的单链DNA或RNA序列²¹。第一代适配体针对简单的分子，如有机染料和核苷酸，后来扩展到蛋白质、细胞和病毒²²。

分析性能和临床转化

适配体传感器已经开发出多种读出格式，包括衰减波、荧光/FRET、比色和表面增强技术，每种技术都基于其模式和基质表现出不同的分析性能（表1）。由于所包含的研究针对不同的分析物类别，并使用特定于应用的指标报告性能，因此保留了原始的LOD单位以保持准确性。例如，一种用于

局限性和挑战

最大的挑战在于临床样本的复杂性，这在工程化检测方法的开发中往往被忽视³⁷。例如，在血清、血浆、唾液或尿液等患者体液中测得的亲和力可能会下降。在这些样本中，高蛋白质含量、核酸酶、脂质和可变的离子强度可能会影响目标的可及性和适配体的折叠⁶⁰。传感器表面的离子特异性吸附也会产生背景噪声

未来方向

结论

预计适配体传感器将从实验室环境中测试的概念验证设备发展成为具有强大临床应用潜力的实际平台。它们与低成本制造方法的兼容性使它们成为即时检测（POC）筛查的理想候选者，适用于多种应用，包括肿瘤学、传染病诊断和食品安全监测。然而，在复杂的生物流体中实现持久性能仍然是一个挑战

CRediT作者贡献声明

Sevde Altuntas：撰写 – 审稿与编辑。Gozde Korkmaz：撰写 – 审稿与编辑。Maya Sleiman：撰写 – 审稿与编辑。Yubing Hu：撰写 – 初稿。Rosalia Moreddu：撰写 – 审稿与编辑。Nazente At?eken：可视化。Lin Wang：撰写 – 初稿，形式分析。Defne Yigci：撰写 – 初稿，形式分析。Savas Tasoglu：监督，概念化。Ali K. Yetisen：监督，概念化

(66), (140), (141), (142)

? 作者声明他们没有已知的可能会影响本文工作的竞争性财务利益或个人关系。

致谢