夜雨聆风点击蓝字
关注我们
研究背景与核心亮点
适配体凭借化学合成简便、序列可编程、免疫原性低、易与纳米材料整合等优势，已成为生物传感与靶向治疗领域的核心识别元件。然而传统适配体开发高度依赖 SELEX 迭代筛选，存在扩增偏差、效率低下、序列-结构-功能关系模糊等瓶颈；纳米界面的无序组装也常导致适配体固定后活性大幅损失，限制了其从分子性能向实际应用的转化。
近年来，人工智能、纳米技术与适配体工程的交叉融合，正在推动该领域从经验试错迈向数据驱动的理性设计新阶段。但现有综述多分别聚焦筛选方法、传感架构或纳米给药，尚未建立从分子识别、界面工程到智能治疗的多尺度整合框架。
近日，上海大学 Zhanmin Liu 团队在《Trends in Analytical Chemistry》发表综述，系统梳理了AI 驱动的纳米结构适配体工程领域的最新进展。文章从 SELEX 筛选范式革新、结构识别机制解析、纳米界面层级工程、智能纳米医学应用四个维度，构建了覆盖“分子设计-界面组装-功能输出-临床转化”的完整技术体系，深入讨论了数据标准化、结构分辨率、临床可及性等核心挑战，并展望了下一代自适应智能适配体纳米系统的发展路径。
一、从经验筛选到数据驱动：适配体发现范式的演进
适配体的传统发现路径是 SELEX 技术：通过结合-分离-扩增的多轮迭代，从约 10¹⁵种序列的随机文库中富集靶标特异性序列。但这一过程存在天然局限：文库多样性受实验条件约束、PCR 扩增易引入偏差、稀有高亲和力序列易丢失、序列与功能之间的映射关系难以解析，往往需要 12~15 轮筛选才能获得有效候选。
化学修饰拓展功能空间
为突破天然核苷酸的性能边界，各类化学修饰被引入文库设计：
核糖修饰：2'-F、2'-NH₂、2'-O-Me 等修饰显著提升核酸酶抗性，血清稳定性从数小时延长至 240 小时以上；
骨架改造：LNA、FANA、TNA 等异种核酸（XNA）拓展了化学多样性，部分体系可实现皮摩尔级亲和力；
疏水修饰：SOMAmer 平台引入疏水碱基模拟蛋白相互作用，将蛋白质组检测的动态范围拓展至 7 个数量级。
但修饰核苷酸也带来了新的问题：需要工程化聚合酶支持扩增，增加了 SELEX 流程的复杂度。
高通量测序赋能定量解析
下一代测序（NGS）的引入彻底改变了 SELEX 的分析模式：不再依赖末端克隆的几十条序列，而是可定量监测每一轮筛选中全文库的序列丰度变化。配套的生物信息学工具如 FASTAptamer、AptaSUITE、APTANI 等，可完成序列聚类、富集动力学分析、结构基序挖掘等工作，甚至能从早期轮次中识别出被扩增偏差掩盖的高亲和力候选。
AI 介入：从预测到生成的设计革命
机器学习与深度学习正在将适配体发现从“筛选富集”转向“预测优化”的新范式：
亲和力预测：以 DeepAptamer 为代表的 CNN+BiLSTM 混合模型，同时提取局部序列基序与长程结构依赖，结合 DNA 形状特征，对多靶标的亲和力预测 AUROC 可达 0.989；
基序挖掘与热点识别：通过变分自编码器（VAE）解析潜空间特征，可精准定位决定结合能力的核心核苷酸区域；
生成式设计：VAE、GAN 等生成模型可探索实验观测之外的序列空间，从头设计全新的功能性适配体；
效率提升：AI 指导的筛选可将富集轮次从传统的 12~15 轮压缩至 5~7 轮，同时保持皮摩尔至纳摩尔级的解离常数。
图1 ： AI 驱动适配体工程的整合框架示意图，涵盖 SELEX 筛选、AI 序列优化、结构建模、纳米平台构建与智能治疗应用的全技术链路
图5 ： AI 辅助适配体发现与优化的计算管线，含 AI-SELEX 工作流、CNN+BiLSTM 深度学习架构、潜空间特征解析、多阶段虚拟筛选流程
二、结构视角下的识别机制：从分子互作到理性优化
高亲和力与高特异性的根源，在于适配体折叠形成的三维结构与靶标的精准互补。理解识别机制，是摆脱经验优化、实现理性设计的核心基础。
不同靶标的识别模式差异
适配体的识别机制随靶标类型呈现显著差异：
蛋白质靶标：通常通过较大的作用界面实现结合，由静电作用、氢键、疏水接触与 π 堆积共同驱动，适配体内部的茎环、G-四链体等三级结构组织出精确的识别表面；
小分子靶标：作用界面有限，依赖适配体形成的紧凑结合口袋通过形状选择性包裹靶标，常伴随显著的构象切换；
金属离子：依赖配位作用与电荷效应诱导特定二级结构（如 G-四链体、三链体）形成；
全细胞靶标：识别界面是多种膜蛋白、聚糖、脂质的复杂组合，机制解析难度最高。
高分辨结构解析的新进展
X 射线晶体学与冷冻电镜正在逐步揭示适配体结合的原子细节。以新冠病毒刺突蛋白 RBD 与 DNA 适配体的复合物为例，冷冻电镜重构清晰显示：适配体优先结合 RBD 的“开放”构象，通过桥接模式与两个结构区域相互作用；复合物还存在直/弯两种动态构型，展现了识别过程中的构象可塑性。
图2 ： 冷冻电镜解析适配体-蛋白复合物结构，含负染电镜图、二维分类平均、开放/闭合构象下的结合模式、分子间氢键与 π 堆积相互作用细节
结构指导的定向优化
基于结构认知的定点优化，可比盲目筛选更高效地提升性能。以 L1CAM 靶向适配体 yly12 为例：
通过二级结构预测确定双茎双环架构，推断茎 I 主要负责结构稳定，环区是结合界面；
替换末端摇摆碱基为标准配对、延长茎 I 提升热力学稳定性，获得的优化变体 37℃下亲和力从 110.8 nM 提升至 5.1 nM；
硫酸二甲酯足迹法与定点突变验证了环 I 中多个鸟苷是结合关键残基，分子对接进一步明确了与 Ig6 结构域的作用模式。
这一案例清晰展示了“结构预测-理性突变-实验验证”的闭环优化路径，也是未来适配体工程的标准范式。
图3 ： 结构指导的适配体优化工作流，含二级结构设计、定点突变映射、DMS 足迹法鉴定结合区域、分子对接与不同温度下的亲和力表征
三、纳米界面工程：决定适配体功能转化的关键层级
溶液中性能优异的适配体，固定到纳米材料表面后往往活性大幅下降——界面微环境才是决定适配体实际功能的关键变量。综述将纳米界面工程拆解为三个相互关联的设计层级。
第一层：固定化化学
不同的偶联方式决定了连接强度、位点特异性与稳定性：
亲和固定：生物素-链霉亲和素系统结合极强、操作简便，但蛋白层在极端条件下易失活变性；
共价偶联：EDC/NHS 酰胺化、点击化学（CuAAC/SPAAC）等可形成稳定共价键，其中点击化学凭借生物正交性与位点特异性，成为复杂体系的首选；
金硫自组装：金属纳米界面的经典策略，可形成高度有序的单分子层，但需注意碱基与金表面的非特异性相互作用，通常需配合封闭剂优化；
物理吸附：操作最简单，但重现性差、取向随机，仅适用于低成本一次性平台。
第二层：界面空间组织
同等适配体序列下，界面排布方式可造成数倍的性能差异：
取向控制：通过末端修饰将结合域远离表面，避免空间位阻破坏折叠；
连接子工程：PEG、polyT、烷基链等间隔臂可抬升适配体、减少表面相互作用、提升构象自由度；
密度优化：过高密度会造成空间拥挤与静电排斥，过低则信号不足，存在一个兼顾折叠活性与位点数量的最优区间。
第三层：功能输出
纳米材料不仅是载体，更是功能增强的核心：高比表面积提升负载量、等离子体效应/电化学特性增强信号转导、多价效应提升结合亲和力。最终通过界面的协同设计，将分子识别高效转化为可测量的传感信号或可控的治疗效应。
图4 ： 层级化纳米适配体界面工程策略全景，从固定化学、连接子架构到空间组织调控，最终实现传感信号放大与治疗功能输出
四、AI+DNA 纳米技术：迈向可编程智能纳米医学
当适配体识别与 DNA 纳米结构、AI 设计相结合，便从检测工具进阶为可感知、可决策、可执行的智能纳米系统，开启了可编程精准治疗的新方向。
AI 辅助纳米载体的多参数优化
传统纳米载体优化依赖试错，而 AI 可同时处理尺寸、配体密度、取向、连接子长度、表面电荷等高维变量，预测最优构型以平衡靶向效率、内吞速率与药代动力学。通过机器学习挖掘序列、结构、材料性质与体内行为的非线性关联，可显著缩短研发周期。
可编程 DNA 纳米治疗系统
DNA 折纸等纳米结构为适配体提供了精确的空间排布平台，催生了多种自主式治疗器件：
生物标志物响应型纳米机器人：适配体作为“分子锁”识别肿瘤血管标志物，触发构象重排打开纳米结构，暴露内部凝血酶等载荷，诱导肿瘤血管栓塞；进一步引入双适配体 AND 逻辑门，可实现双靶标同时存在才激活，大幅降低脱靶毒性。
多价适配体阵列调控细胞识别：在平面/管状 DNA 纳米结构上精确排布不同价态的适配体，可调控与细胞的结合强度与内吞方式；整合多种靶向适配体后，可通过多受体识别精准区分正常细胞与不同亚型肿瘤细胞，甚至介导免疫细胞与肿瘤细胞的桥接。
拓扑重构适配体与智能纳米酶：通过理性切割重排适配体拓扑结构，可将亲和力提升数十至上百倍；结合靶标触发的 DNA 纳米球自组装，可原位生成具有过氧化物酶活性的复合纳米酶，实现识别-放大一体化的智能传感。
图6 ： 可编程 DNA 纳米结构的治疗应用，含锁-钥机制的纳米机器人构象开关、AI 指导的多参数优化、光热响应药物释放系统、多价适配体调控多受体介导的细胞识别
五、核心挑战与未来展望
尽管技术进展迅速，该领域迈向广泛临床转化仍面临多重壁垒。
现存核心挑战
数据标准化缺失：现有适配体数据集规模小、偏重于成功序列，不同实验室的筛选条件、亲和力测定方法不统一，严重限制了 AI 模型的泛化能力；
结构与动态解析不足：已解析的适配体-靶标复合物数量有限，复杂生物环境下的构象动态、蛋白冠效应难以精准模拟；
转化与规模化瓶颈：核酸在体内的稳定性、多功能纳米体系的批次重现性、规模化生产的质量控制，以及针对“核酸+纳米材料”复合体系的监管框架，均有待完善。
未来发展方向
短期来看，建立标准化的公开适配体数据集、发展可解释 AI 模型、规范 SELEX 与表征流程是优先方向；中期将形成 AI 预测-微流控筛选-实验验证的闭环研发管线，推动多中心临床验证；长期来看，AI 设计、可编程核酸电路与纳米技术的深度融合，将催生出能够自主感知微环境、执行逻辑决策、释放治疗载荷的自适应智能纳米系统，在精准肿瘤学、免疫治疗、即时诊断等领域实现广泛落地。
总结
AI、纳米技术与适配体工程的三方融合，正在将适配体技术从经验性筛选工具，升级为可预测、可编程、可自适应的智能体系。这篇综述通过多尺度的整合视角，系统梳理了从分子发现、界面工程到诊疗应用的完整技术图谱，既阐明了各层级的设计原理与机制进展，也客观指出了数据标准化与临床转化的核心挑战。
随着标准化数据集的积累、结构解析能力的提升与制造工艺的成熟，AI 驱动的纳米适配体平台有望在未来十年实现从实验室到临床的跨越，成为下一代精准诊断与智能治疗的重要技术支撑。
论文信息
论文标题：AI-driven nanostructured aptasensor engineering: Integrating biosensing, intelligent nanomedicine, and programmable therapeutics
发表期刊：Trends in Analytical Chemistry
通讯作者：Zhanmin Liu（上海大学生命科学学院）
论文 DOI：10.1016/j.trac.2026.119060
请扫码
给个关注
分析新视界-Analyfront