《ANALYTICAL AND BIOANALYTICAL CHEMISTRY》:Analytical applications of molecularly imprinted polymers: a personal view
编辑推荐:
分子印迹聚合物(MIPs)是生物大分子的仿生对应物,通过在聚合物网络内以目标物为模板进行合成。虽然MIPs的亲和力可与抗体竞争,但天然酶的比活仍优于催化活性MIPs。尽管抗体和MIPs产生的机制根本不同,但重要原理已从生物学转移到人工结合剂。以目标物的片段而非
分子印迹聚合物(MIPs)是生物大分子的仿生对应物,通过在聚合物网络内以目标物为模板进行合成。虽然MIPs的亲和力可与抗体竞争,但天然酶的比活仍优于催化活性MIPs。尽管抗体和MIPs产生的机制根本不同,但重要原理已从生物学转移到人工结合剂。以目标物的片段而非整个分子或颗粒为模板可简化MIP合成并降低成本(表位印迹),而分层印迹可改善模板取向并产生比传统随机印迹更均匀的结合位点。通过双印迹产生抗独特型MIPs遵循抗独特型抗体的概念,而印迹后修饰模拟翻译后修饰。除了经典的末端表位,近期方法越来越多地利用内部表位、亲和标签、标记、碳水化合物以及病毒和细胞的表面基序作为替代印迹靶标。分析MIP系统的最新进展日益依赖于纳米材料的集成,以改善信号产生、传质和目标可及性。在此背景下,纳米颗粒、碳基纳米材料、MXenes和金属有机框架(MOFs)促成了更高效和功能集成的传感平台的开发。与此同时,计算理性设计、人工智能和机器学习辅助的信号解卷积正在成为优化单体选择、解释复杂传感器输出以及使用交叉反应性MIP传感器阵列实现多重分析的有力工具。尽管MIPs具有更高的稳定性、更低的成本以及适用于有毒或弱免疫原性物质等明显优势,但其商业成功仍受限于选择性、重现性以及转化为稳健的实际分析平台等挑战。本综述讨论了分析MIPs从经典分子识别材料向日益智能的仿生传感系统的演变。
具有“分子记忆”的聚合物:本节回顾了分子印迹的起源。Polyakov于1931年首次合成具有“分子记忆”的聚合物;此后Wulff与Mosbach引入分子印迹聚合物(MIP)术语。MIP合成仅需少数功能单体与交联剂,却可获得与抗体相当的结合亲和力。模板去除需温和高效以保留结合位点结构。近年来MIP相关论文数量持续增长,其中电化学MIP增长尤为显著,反映了该领域向传感应用的发展趋势。
从体印迹到完全电化学MIP传感器:本节讨论了从体印迹到电化学MIP传感器的演变。体印迹虽广泛使用,但存在后处理繁琐、颗粒不规则等缺点。沉淀聚合、悬浮聚合、表面印迹和电聚合等替代策略被用于改进。在传感器制造中,MIP可预先合成后沉积到换能器表面,也可原位电聚合。电聚合可通过控制电位或电荷调节膜厚;导电聚合物可形成厚膜,绝缘聚合物形成纳米级薄膜。模板排列方式包括随机、分层及“超级MIP”结构,不同策略影响结合位点的均匀性和亲和力。
印迹子结构:表位、标签和标记:本节介绍了表位印迹概念。Rachkov和Minoura借鉴抗体识别机制,提出以目标分子表面片段为模板进行印迹。后续研究使用N端或C端肽、内部序列以及带亲和标签(如His
6、Strep)的蛋白作为模板。例如,用C末端半胱氨酸延伸的StrepTag II肽和血红蛋白N端肽制备分层MIP,其对模板肽的K
d值远低于随机MIP。针对α-甲胎蛋白(AFP)和SARS-CoV-2受体结合域(RBD)的表位MIP表现出与全蛋白印迹相当的亲和力,且非特异性结合更低。内部表位、环状肽模板以及水平取向的中心半胱氨酸模板也被用于改善蛋白识别。
抗独特型MIPs:Dickert团队将抗独特型抗体概念引入MIP合成。通过两步印迹法,先用抗体印迹纳米颗粒形成含互补位形状的空腔,再将这些颗粒压入预聚合凝胶中,去除后产生抗体形状复制腔。该抗独特型MIP用于胰岛素传感,信号响应显著高于胰岛素印迹聚合物和非印迹聚合物,且对结构类似的甘精胰岛素交叉反应性较低。
印迹后修饰(PIM):印迹后修饰模拟细胞中的翻译后修饰,在模板去除后向预成型的MIP空腔内引入特定化学官能团。PIM分为结合位点转化和功能基团引入两类。例如,将苯基席夫碱基团引入唾液酸印迹聚合物空腔,增强了对唾液酸及唾液酸化糖蛋白的亲和力与选择性;引入荧光分子、氧化还原标记或量子点则可实现识别-检测集成。
纳米材料集成至MIP传感器:纳米材料集成显著提升了MIP传感器的性能。纳米颗粒(Au、Ag、Pt、Fe
3O
4、TiO
2、ZnO等)提供高比表面积、可调表面化学和信号增强功能。碳基纳米材料(还原氧化石墨烯、碳纳米管、激光诱导石墨烯等)改善电极界面导电性和稳定性。金属有机框架(MOFs)作为多孔支架可提高可及表面积和传质效率。MXenes(如Ti
3C
2T
x)具有高导电性和亲水性表面官能团,用于电化学传感。这些材料与MIP的协同作用需要优化界面设计。
MIP传感器阵列:MIP传感器阵列利用多个具有不同选择性的MIP单元实现多分析物同时检测。早期研究如Greene和Shimizu的七通道比色阵列可区分结构相似的芳香胺。Lin等开发了四通道光子晶体MIP阵列用于磺胺类抗生素的判别,在鱼样品中实现90.9%的区分准确率。在COVID-19期间,基于表位肽的电化学MIP-SPR阵列被用于检测刺突蛋白的RBD,结合SPR或渗透性变化读取信号。
催化活性MIPs:催化活性MIPs通过使用反应过渡态类似物作为模板,或嵌入催化中心(如金属离子、血红素、硒代半胱氨酸)来模拟酶活性。例如,研究人员开发了水解氨基甲酸酯的MIP,比活为211.15?nmol min
?1 mg
?1。目前催化MIPs的活性通常低于天然酶的一个百分点,但已用于如Diels-Alder反应这类无天然酶催化的反应。此外,MIPs还用于蛋白稳定化、结晶和再折叠。
AI辅助的MIP设计与信号处理:本节讨论了AI/ML在MIP设计中的变革作用。从经验筛选转向“材料组学”范式,机器学习模型(如CatBoost、高斯过程回归)可预测MIP的结合容量,SHAP分析可识别关键参数。深度学习用于表位选择和纳米界面构象预测。AI也用于信号处理,通过噪声抑制、特征提取和混合智能实现无检测限(LoD-free)定量。多通道传感器架构结合边缘AI可促进即时检测(POC)平台的部署。挑战包括边缘计算资源限制、模型可解释性以及可持续性。
挑战与未来方向:本小节讨论了MIPs与AI结合在临床和现场应用中尚需解决的问题,包括边缘计算中的功耗、内存和延迟限制,需要算法压缩技术;机器学习模型的“黑箱”特性与临床接受度不符,需嵌入XAI框架(如SHAP)以验证模型跟踪真实的聚合物-分析物结合;以及通过计算机筛选减少危险试剂使用,符合绿色分析化学原则。
结论:结论部分总结了MIPs具有与抗体相当的亲和力(解离常数从毫摩尔到纳摩尔,甚至亚纳摩尔),但高亲和力的分子机制尚不完全清楚。MIPs已在色谱和固相萃取中实现商业成功,并接近常规分析应用。其优势包括无需实验动物、可针对有毒或弱免疫原性物质、化学稳定性好、成本低。但临床诊断渗透有限,由于交叉反应性、重现性和规模化问题。未来方向包括可穿戴/植入式传感以及AI集成。