来源：Toxins (Basel) | 编译：DNA Lab Space
毒素污染检测的精度与速度，长期卡在传统分析方法的瓶颈上。仪器昂贵、现场稳定性差、痕量检测灵敏度不足——这些问题在食品安全和环境监测领域尤为突出。一篇发表于 Toxins 的综述系统梳理了核酸适配体与SELEX技术在毒素分析中的全链条进展，值得关注。
研究背景
传统毒素检测依赖高效液相色谱、质谱等大型仪器方法。这些方法精度高，但成本高昂，操作复杂，难以满足现场快速筛查需求。抗体为基础的免疫学方法虽有改进，但抗体生产周期长、批次差异大、热稳定性差，对复杂基质中的小分子毒素识别能力有限。
核酸适配体被称为"化学抗体"。它是单链DNA或RNA，能通过三维结构特异性结合靶标分子。与抗体相比，适配体分子量小、化学合成方便、批间一致性高、易于修饰标记。SELEX（指数富集配体系统进化）技术是获得适配体的核心手段，通过反复筛选扩增，从随机核酸文库中富集高亲和力序列。
该综述聚焦毒素检测场景，系统梳理了九种SELEX变体，涵盖靶标固定化、文库固定化、非固定化、细胞级及高通量平台。作者还讨论了计算辅助适配体发现和实验后优化策略，提出了从"面向方法"到"面向需求"的适配体开发范式转变。
研究方法
综述对SELEX技术变体的分类和论述，建立在对大量原始研究论文的分析之上。以下是材料中明确提到的技术路线和实验细节。
非固定化筛选平台：氧化石墨烯（GO）的应用
GO作为高效吸附介质，支持免固定化筛选。其原理是：单链DNA可非特异性吸附于GO表面，而结合靶标后构象变化导致吸附力下降，从而分离富集。该平台已成功用于T-2毒素、冈田酸（OA）和膝沟藻毒素（GTX）的适配体筛选。材料中未详述各毒素的具体筛选轮数和洗脱条件。
金纳米颗粒（GNPs）比色平台
GNPs提供比色读数，通过消光比变化实现文库富集的实时目视监测，无需复杂仪器。该平台已应用于双酚A（BPA）等靶标的适配体筛选。材料未给出具体粒径和消光比数值。
磁性纳米颗粒辅助分离
磁性纳米颗粒支持快速分离，已整合进多种SELEX格式，包括MB-SELEX和MRGO-SELEX，用于海洋毒素适配体的高效筛选。材料未提供磁性颗粒的尺寸和磁场参数。
多靶标同时筛选
多靶标选择挑战了"一个靶标一次SELEX"的传统范式。Nguyen等人使用多重GO-SELEX，在单次筛选中同时针对三种农药，获得了十个不同适配体，解离常数（Kd）在10–100 nM范围内。其中包含能同时结合两个或三个靶标的交叉反应序列。这是材料中少有的定量数据——Kd值范围明确给出。
计算辅助适配体发现
综述讨论了基于人工智能的序列生成和分子对接技术。AI序列生成可扩展适配体序列空间，分子对接用于预测适配体-靶标结合模式。材料未详述具体算法架构和训练数据集。
实验后优化策略
- 环化（cyclization）：通过连接适配体末端形成环状结构，提高核酸酶抗性和结合亲和力。
- 多价组装（multivalent assembly）：将多个适配体单元连接，增强整体结合 avidit。
- 结构转换设计（structure-switching design）：适配体结合靶标后发生构象变化，可转化为可检测信号。
材料中提及的纳米材料创新属于方法层面的整合，GO、GNPs、磁性纳米颗粒各提供不同分离或信号转导机制。值得注意的是，这些材料创新并非孤立存在——它们往往与特定SELEX格式耦合，如MRGO-SELEX就是磁性颗粒与GO的联合使用。
对于各SELEX变体的具体操作参数（文库长度、随机区碱基数、筛选轮数、离子浓度、温度循环条件等），原文摘要和关键段未提供详细数值。这是综述类文章的特点——侧重框架梳理而非单点实验细节。
研究结果
综述的核心成果体现在对SELEX技术谱系的系统分类和对发展趋势的明确判断。
九种SELEX变体的系统分类
作者将毒素检测相关SELEX技术分为五大类平台：靶标固定化、文库固定化、非固定化、细胞级和高通量平台。每类平台下细分为具体变体。这种分类框架有助于研究者根据靶标性质（小分子毒素vs蛋白毒素）、样本复杂度、所需亲和力等参数选择合适筛选策略。
关键定量数据
材料中明确给出的数据包括：Nguyen等人通过多重GO-SELEX获得十个适配体，Kd值为10–100 nM，且包含交叉反应序列。这一数据表明多靶标筛选策略在通量和亲和力之间可以达到良好平衡。交叉反应序列的存在，为开发广谱识别元件提供了可能。
纳米材料在SELEX中的功能分化
GO作为吸附介质实现免固定化筛选，GNPs通过消光比变化提供比色读数，磁性纳米颗粒加速分离过程。三种材料的功能互补性明显：GO解决固定化难题，GNPs解决检测信号问题，磁性颗粒解决操作效率问题。这种功能分化表明，材料创新对SELEX的推动不仅是"换个载体"，而是从分离原理到信号转导的全链条革新。
计算辅助设计的位置
AI序列生成和分子对接被定位为"计算辅助适配体发现"工具。综述强调它们与实验后优化策略的衔接：计算预测候选序列，实验验证结合性能，再通过环化、多价组装等手段进一步优化。这一闭环流程指向更高效的适配体开发路径。
从方法导向到需求导向的范式转变
综述指出的核心趋势是：适配体开发正从"有什么方法用什么方法"转向"需要什么性能设计什么适配体"。整合SELEX策略和AI辅助设计是实现这一转变的技术基础。对毒素检测而言，"需求"通常意味着高亲和力、高特异性、良好热稳定性和现场可用性。
材料中未提供具体传感器的灵敏度、检测限、回收率等分析性能数据。该综述的贡献在于框架性总结和趋势判断，而非单个传感器的性能报告。对于具体传感器的灵敏度指标，原文摘要未提供具体数据。
讨论与展望
这篇综述的价值在于把分散的SELEX技术进展整合为一个可操作的决策框架。九种变体的分类不是简单的列表，而是按筛选原理和应用场景划分的导航图。研究者面对特定毒素靶标时，可以根据靶标性质（小分子vs大分子、是否易于固定化）、样本复杂度、所需亲和力等条件选择合适的SELEX起点。
计算辅助设计的引入值得关注。AI序列生成和分子对接不是替代实验筛选，而是缩小候选序列搜索空间、提高筛选效率的加速器。结合实验后优化策略（环化、多价组装、结构转换），适配体开发正从"大海捞针"变为"定向搜索"。
一个值得思考的问题是：多靶标筛选获得的交叉反应适配体，其特异性是否足以区分结构相似的毒素家族成员？综述将其定位为"广谱识别元件"，但广谱与特异之间的平衡点需要更多实验数据支撑。
另一个开放问题是：计算辅助设计的预测准确度如何？材料中未提供AI预测序列与实验验证结果的一致率数据。这是该领域未来需要回答的关键问题之一。
总体而言，SELEX技术正经历从经验驱动到计算驱动、从单靶标到多靶标、从方法导向到需求导向的三重转变。对毒素检测而言，这意味着更快、更便宜、更适应现场需求的适配体传感器正在成为现实。
参考来源
Shang X, Yang C, Deng H, Wang L, Sun M. SELEX-Based Aptamer Technologies for Toxin Analysis: Screening, Optimization, and Computational Assisted Design. Toxins (Basel). PMID: 42506713.
PMID: 42506713