用AI造“荧光探针”,看清大脑里的血清素!Cell重磅:给神经递质装“实时监视器”

2020年一篇发表在Cell的重磅研究，用机器学习+定向进化，造出了迄今为止最灵敏、最实用的血清素荧光探针iSeroSnFR，让大脑里的血清素“发光可见”。

一、研究背景：为什么我们急需一个血清素探针？

• 血清素系统异常和抑郁症、焦虑症、强迫症密切相关，主流抗抑郁药（SSRI）都作用于这一系统。
• 传统检测手段（微透析、伏安法）时空分辨率不足，无法毫秒级、单细胞级追踪血清素。
• 已有的神经递质传感器（多巴胺、谷氨酸、乙酰胆碱）都很成功，但专一、灵敏、快、不干扰药物的血清素传感器一直空缺。
• 传统蛋白改造靠“瞎试”，效率极低；本文把机器学习引入定向进化，大幅提速。

一句话：给血清素装一个“高精度、实时、无毒”的活体荧光监视器，是神经科学与新药研发的刚需。

二、核心研究内容：用AI造探针，一步一步看

Figure 1 | 机器学习驱动的定向进化流程

• 从乙酰胆碱探针 iAChSnFR出发，强行改造成结合血清素的蛋白。
• 先用Rosetta 计算对接预测结合口袋。
• 再用随机森林 RF筛选关键位点，广义线性模型 GLM预测突变组合。
• 三轮迭代：定点饱和突变 → 建模 → 建库 → 筛选 → 再突变。
• 最终把亲和力提升5000倍以上，完全丢掉乙酰胆碱结合。

Figure 2 | iSeroSnFR 的亲和力与特异性

• 最终版 iSeroSnFR：
• Kd ≈ 310 nM，适合生理浓度
• **ΔF/F₀ 最大≈800%**，信号极强
• 几乎只认血清素：
• 对多巴胺、色胺仅有极弱交叉
• 对神经递质、氨基酸、药物几乎零响应
• 细胞表面表达正常，能检测低至 338 pM的血清素。

Figure 3 | 探针动力学：毫秒级响应

• 停止流动技术显示：快相 <1ms，慢相几秒。
• 光解笼锁 5-HT 实验：
• 单次1ms光刺激就能检出信号
• 衰减快（τ≈4ms）
• 可重复检测高频刺激（0.4–4Hz）
• 真正做到毫秒级活体检测。

Figure 4 | 脑片与活体：恐惧条件反射中的血清素

• 电刺激诱发血清素释放，信号TTX敏感（神经元依赖）。
• 小鼠恐惧条件反射中：
• 杏仁核 BLA、前额叶 mPFC 均出现清晰血清素信号
• cue期上升，电击期下降，和行为高度对应
• 光纤光度法稳定可靠，可大规模使用。

Figure 5 | 睡眠-觉醒周期的血清素波动

• 同步 EEG/EMG 睡眠记录
• 血清素信号：
• 清醒最高
• NREM 睡眠降低
• REM 睡眠最低
• 状态切换时信号急剧变化，完美匹配血清素调控睡眠的经典理论。

Figure 6 | 药物筛选：SERT 转运体功能 assay

• 开发 OSTA 振荡刺激转运体 assay
• 胞内表达 iSeroSnFR，直接读 5-HT 内流与外排
• 精准测出：
• Na⁺/Cl⁻ 依赖
• 可卡因、依他普仑、氯米帕明、维拉唑酮的抑制曲线
• MDMA 诱导的 5-HT 释放
• 可用于抗抑郁药高通量筛选。

三、实验 & 分析方法：一套可复制的“AI造探针”流程

1. 计算设计

• Rosetta 对接与蛋白骨架重构
• OMEGA 生成血清素构象
• 界面设计 + 骨架柔性优化

2. 机器学习建模

1. 随机森林 RF：筛选关键位点
2. 广义线性模型 GLM：预测最优突变组合
3. 迭代建库、筛选、再建模

3. 文库构建与筛选

• Kunkel 突变构建 NNK 文库
• 细菌裂解物高通量筛选
• 纯化蛋白测亲和力与特异性

4. 体外/细胞/脑片/活体

• 停止流动测动力学
• 光解笼锁 5-HT 测快响应
• 病毒（AAV）介导小鼠脑表达
• 光纤光度法 + 行为学（恐惧、社交、睡眠）
• OSTA  assay 测 SERT 药物

5. 数据分析

• Hill 方程拟合亲和力
• ROC / d’ 分析信噪比
• 双指数拟合动力学
• 光纤信号 ΔF/F₀ 与 z-score

四、结论与展望

核心结论

1. 机器学习+定向进化可高效改造蛋白结合特异性，比传统方法快得多。
2. iSeroSnFR是目前综合性能最强的血清素荧光探针：
• 高灵敏、高选择性、快动力学
• 不干扰药物、可胞内/膜表面表达
• 适配光纤光度、双光子、药物筛选
3. 首次在自由活动小鼠中，同时看清恐惧、社交、睡眠中的血清素动态。
4. 建立SERT 药物功能 assay，可直接用于抗抑郁药研发。

未来展望

• 进一步提升亲和力，覆盖更低浓度的生理信号
• 发展不同颜色版本，实现多递质同时成像
• 用于肠道血清素（人体90%血清素在肠道）研究
• 推向临床：病人特异性药物筛选、药效实时监测
• 把这套ML+定向进化流程复制到更多神经递质探针

五、文章信息

• 题目：Directed Evolution of a Selective and Sensitive Serotonin Sensor via Machine Learning
• 期刊：Cell
• DOI：10.1016/j.cell.2020.11.040
• 发表单位：
• UC Davis
• Howard Hughes Medical Institute
• 加州理工、耶鲁、UNC、NIH 等联合团队

这篇工作不仅给了神经科学界一个神器级工具，更确立了“AI 辅助定向进化造探针”的标准范式。从此，我们终于能“看清”血清素，离理解情绪、治愈抑郁又近了一大步。