来源：Toxins (Basel) | 编译：DNA Lab Space
毒素污染检测是食品安全与环境监测领域的持久难题。传统仪器分析方法虽灵敏，却受限于高昂成本与现场适应性不足。一篇发表于《Toxins》的综述系统梳理了SELEX适配体技术在毒素分析中的全链条进展——从九种筛选策略的分类，到计算辅助设计与实验优化，勾勒出适配体开发从“方法驱动”走向“需求驱动”的转型路径。
研究背景
毒素广泛存在于食品链与自然环境中，其痕量水平即可对公共健康构成威胁。常规检测手段如高效液相色谱、质谱法虽然准确，但设备昂贵、操作复杂，难以满足现场快速筛查的需求。抗体作为传统生物识别元件，存在批次差异大、对低分子量毒素免疫原性弱等固有局限。
核酸适配体由此进入研究者视野。这类由SELEX技术筛选获得的单链DNA或RNA分子，能以高亲和力特异性结合靶标，兼具化学合成便捷、热稳定性好、易于修饰等优势。然而，SELEX筛选流程本身耗时费力，且不同毒素的理化性质差异巨大——小分子毒素缺乏足够表面积，传统固定化筛选策略常面临挑战。如何针对毒素特性优化筛选方案，成为该领域亟待解决的核心问题。
研究方法
该综述采用文献归纳与技术分类相结合的方法，对SELEX衍生技术进行了系统梳理。作者将用于毒素检测的SELEX变体划分为九大类，涵盖靶标固定化、文库固定化、非固定化、细胞水平和高温量筛选平台。分类依据聚焦于各技术的选择原理、适用场景与局限条件。
靶标固定化策略是经典SELEX的延伸。毒素分子通过共价偶联或亲和捕获固定在固相载体上，与随机核酸文库孵育后，洗脱未结合序列，扩增回收的候选适配体。这种策略适合含氨基或羧基等可修饰基团的毒素，但可能改变靶标天然构象，影响适配体识别天然状态毒素的能力。
文库固定化策略将核酸文库固定在芯片或磁珠表面，通过引入靶标分子触发构象变化，释放特异性序列。该策略减少了靶标修饰需求，但文库密度与空间位阻可能影响筛选效率。
非固定化SELEX是近年发展最快的方向。氧化石墨烯凭借对单链DNA的强吸附能力，成为无固定化筛选的理想介质。材料创新在其中扮演关键角色：氧化石墨烯可作为高效吸附介质，实现免固定化筛选，已成功用于T-2毒素、冈田酸和膝沟藻毒素的适配体筛选；金纳米颗粒提供比色信号输出，通过消光比变化实现文库富集的实时可视化监测，无需复杂仪器，该平台已应用于双酚A等靶标；磁性纳米颗粒则加速分离过程，已整合到磁珠-SELEX和MRGO-SELEX等多种平台中，用于海洋毒素适配体的高效筛选。
多靶标共筛选突破了“一靶标一SELEX”的传统范式。研究人员采用多重氧化石墨烯-SELEX策略，Nguyen等人通过单轮筛选同时获得针对三种农药的十个不同适配体，解离常数在10–100 nM范围内，其中部分序列具备交叉反应性，可结合两种甚至三种靶标。这一策略为结构相似毒素家族开发广谱识别元件提供了新路径。
计算辅助设计构成该综述的另一核心维度。人工智能驱动的序列生成与分子对接技术，可在实验筛选前预测候选序列与靶标的结合模式。分子对接模拟适配体三维构象与毒素分子间的相互作用，筛选出高亲和力候选序列，减少实验筛选轮次。AI序列生成则基于已知适配体数据库训练模型，生成具有潜在结合能力的新序列，拓展序列空间探索范围。
实验后优化策略聚焦于提升适配体实际应用性能。环化修饰通过连接适配体两端，增强其抗核酸酶降解能力；多价组装将多个适配体单元串联，提高整体亲和力与特异性；结构转换设计则使适配体在结合靶标时发生构象重排，产生可检测的信号变化，便于传感器集成。
原文摘要未详述各SELEX变体的具体缓冲液成分、循环轮数与温度参数，也未提供各优化策略的详细实验条件。
研究结果
综述的核心成果在于构建了毒素适配体筛选的完整技术图谱。九种SELEX变体的系统分类揭示了该领域从单一靶标到多靶标、从固定化到非固定化、从实验驱动到计算辅助的演进逻辑。
材料创新带来的筛选效率提升是突出亮点。氧化石墨烯介导的非固定化筛选省去了靶标固定步骤，缩短了筛选周期——传统SELEX通常需要8–15轮富集，而基于氧化石墨烯的平台可显著减少循环次数。金纳米颗粒引入的比色读出机制，使文库富集程度可通过肉眼直接观察消光比变化判断，摆脱了对荧光标记和精密仪器的依赖。磁性纳米颗粒则赋予筛选体系快速分离能力，磁分离过程通常在数分钟内即可完成，大幅缩短了每轮筛选的操作时间。
多靶标筛选的数据尤为亮眼。Nguyen团队采用多重氧化石墨烯-SELEX策略，在单次筛选中获得十个针对三种农药的特异性适配体，解离常数为10–100 nM。其中交叉反应性序列的存在，暗示了广谱适配体开发的可能性——这类适配体可识别结构相似的整个毒素家族，而非单一化合物。对于结构类似物众多的毒素家族而言，广谱适配体具有特别的应用价值。
计算辅助设计的价值在综述中得到系统阐述。分子对接技术可在实验前预测适配体-靶标复合物的结合构象，筛选出热力学上有利的候选序列。AI序列生成则突破了传统SELEX依赖随机文库的局限，通过机器学习模型生成全新的候选序列，扩大了序列搜索空间。这些计算工具与实验SELEX形成互补：计算筛选缩小候选范围，实验SELEX验证实际结合性能，二者协同可显著提高适配体开发效率。
实验后优化策略对适配体性能的改善同样关键。环化修饰通过共价连接适配体两端，形成闭环结构，显著增强对核酸外切酶的抗性，延长了适配体在复杂生物基质中的半衰期。多价组装通过增加适配体与靶标间的结合位点数目，整体亲和力提升明显——多个弱结合单元协同作用，可达到比单一单元更高的总亲和力。结构转换设计则赋予适配体信号转导能力，使其在结合靶标时产生可检测的构象变化，为传感器开发提供了便利。
讨论与展望
该综述的贡献在于提供了一个整合视角：将SELEX变体分类、计算辅助设计、实验优化与传感器集成置于同一框架下讨论。这种整合并非简单罗列，而是揭示了技术演进的内在逻辑——材料创新解决了筛选效率问题，多靶标策略回应了广谱识别需求，计算工具缓解了实验筛选的盲目性，优化手段弥合了适配体从“筛选成功”到“应用可行”之间的鸿沟。
作者指出的“从方法导向转向需求导向”具有方法论意义。传统SELEX开发往往从技术可行性出发，选择容易筛选的靶标；而需求导向的开发则反向思考——先明确检测场景对亲和力、特异性、稳定性和信号输出模式的要求，再选择或组合合适的筛选策略。这一转向在毒素检测领域尤为迫切：不同毒素的理化性质、存在基质和监管限量各不相同，单一筛选方案难以通用。
AI辅助设计的快速发展可能进一步改变适配体开发范式。随着训练数据积累与算法迭代，计算预测的准确性将持续提升，未来有望实现“计算初步筛选-实验验证优化”的高效闭环。然而，计算模型的可靠性仍依赖高质量实验数据支撑，二者的深度融合尚需时日。该综述为这一进程提供了系统性的知识框架，也为下一代毒素检测技术的开发指明了方向。
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