大数跨境
0
0

【分析】武汉大学AFM:基于可编程镧系MOF的人工受体生物传感器用于高选择性神经递质分析

【分析】武汉大学AFM:基于可编程镧系MOF的人工受体生物传感器用于高选择性神经递质分析 X-MOL资讯
2023-03-24
1
导读:武汉大学肖玉秀教授团队提出了基于可编程Ln-MOF的可调荧光人工受体生物传感器设计新思路。


人工受体对结构相似的有机分子的选择性识别对于开发简单、低成本和高通量的生物传感方法至关重要。基于人工受体的生物传感器被认为给基于即时检验(Point-of-care testing,POCT)诊断的精准医学开辟了令人兴奋的新途径。经典的大环系统,包括杯[n]芳烃、柱[n]芳烃、萘管、空穴宿主和葫芦脲,已被开发用于识别药物、金属离子、类固醇、神经递质等。然而,鉴于大环系统固有的共价连接结构,通过骨架合成、衍生以调整识别性能是复杂、耗时且具有挑战性的。另一方面,设计和制造适合于高选择性和高灵敏检测生物体液中神经递质的人工受体仍然是一个挑战,特别是对于神经疾病的重要生物标志物多巴胺(DA)。

鉴于此,受天然DA受体启发,武汉大学肖玉秀教授团队在前期开发的系列基于镧系金属有机框架(Ln-MOF)的荧光传感器(Anal. Chem., 2020, 92, 1402; ACS Appl. Mater. Interfaces, 2021, 13, 11646; Biosens. Bioelectron, 2022, 210, 114320.)基础上,提出了基于可编程Ln-MOF的可调荧光人工受体生物传感器设计新思路。如图1所示,通过调整配体种类、制备溶剂、配体/离子摩尔比等模块化设计参数,可编码并筛选得到基于Ln-MOF的人工受体DA生物传感器。优选得到的人工受体生物传感器即使在复杂的生物体液中也能选择性地识别DA,而不受其他结构类似物(如左旋多巴、5-羟色胺和去甲肾上腺素)的干扰。

图1. 受天然DA受体启发,所提出的基于Ln-MOF的人工受体生物传感器的模块化设计思路

经模块化设计得到的系列Ln-MOFs,结构、形貌以及对DA的识别和响应情况均具有显著差异,即使有机配体和Ln3+保持一致,制备溶剂的改变也会对Ln-MOF的结构(图2)和DA传感性能造成显著影响,而这恰恰赋予了Ln-MOF功能可编程的特性,这为高选择性人工受体传感器的筛选奠定了基础。优选得到的DA人工受体传感器可以通过荧光开启-关闭双响应实现DA检测,对DA的检测限低至10 nM,且具有优异的结构类似物选择性。

图2. 不同的制备溶剂对于Ln-MOF基人工受体生物传感器结构的影响

Ln-MOF被认为利用其独特的可调节的主客体相互作用(特异性识别)和限域催化能力来实现高选择性和双响应DA检测,这得到了实验数据和密度泛函理论计算的支持(图3)。

图3. 基于密度泛函理论计算的DA人工受体传感器的传感机理解析

基于Ln-MOF的荧光人工受体被证明在无标记检测、成像和诊断方面具有广泛的潜力。它们可以克服复杂合成生物传感器的长期局限性,为个性化医疗带来新的解决方案。

该研究成果近期在线发表在Advanced Functional Materials 杂志上,武汉大学肖玉秀教授和吴建元主任药师为本文的通讯作者,武汉大学2022届博士于龙(目前博士后在站)和2022届硕士冯理想为文章的共同第一作者。

原文(扫描或长按二维码,识别后直达原文页面):
Tunable Fluorescent Artificial Receptor Biosensor Based on Programmable Lanthanide Metal-Organic Framework for Highly Selective Neurotransmitter Detection
Long Yu, Lixiang Feng, Zhongyu Wei, Shuo Wang, Yumin Feng, Yongjin Shen,  Junlong Cai, Jianyuan Wu,* and Yuxiu Xiao*
Adv. Funct. Mater., 2023, DOI: 10.1002/adfm.202300309

导师介绍
肖玉秀
https://www.x-mol.com/groups/YuxiuXiao



点击“阅读原文”,查看 化学 • 材料 领域所有收录期刊

【声明】内容源于网络
0
0
X-MOL资讯
“X-MOL资讯”隶属于X-MOL学术平台(官网x-mol.com),关注化学、材料、生命科学、医学等领域的学术进展与科研前沿,提供专业与深度的内容。公众号菜单还提供“期刊浏览”等强大功能,覆盖各领域上万种期刊的新近论文,支持个性化浏览。
内容 19833
粉丝 0
X-MOL资讯 “X-MOL资讯”隶属于X-MOL学术平台(官网x-mol.com),关注化学、材料、生命科学、医学等领域的学术进展与科研前沿,提供专业与深度的内容。公众号菜单还提供“期刊浏览”等强大功能,覆盖各领域上万种期刊的新近论文,支持个性化浏览。
总阅读8.1k
粉丝0
内容19.8k