受到舌頭和鼻子的啟發,能夠區分和識別具備相似結構的物質的差動傳感系統受到了人們的廣泛關注。單一的傳感器依賴對一種物質的選擇性識別,而傳感器陣列需要考慮到多個分析物和傳感器單元的交叉反應相互作用。一般來說,更多的傳感器單元意味着更好的區分能力。化學合成是得到傳感器單元的一個強有力的方法,但是大量的合成耗時而且成本較高,相比之下,超分子化學的動態特性簡化了陣列中傳感器單元的構造。例如,指示劑位移法(IDA),將競爭性分析物引入染料/受體系統,分析物能夠造成染料的位移,從而調節光信號。目前已經存在很多基於超分子的傳感器陣列,但是更多的工作集中於傳感器的識別能力,而組裝能力也是超分子化學的另一個有利武器卻鮮有研究。
基於此,南開大學郭東升課題組充分利用了受體的識別和組裝性能製備了超分子傳感器陣列庫。作者選擇兩親性大環受體(一種具有主-客體識別位點的表面活性劑)作為人工受體,並將其與環糊精共組裝,利用待分析物將染料從中競爭下來,通過染料位移實現對輸出信號的檢測。最後作者選擇蛋白作為分析物研究了超分子傳感陣列的差動傳感性能。

傳感器陣列的構造單元
作者選擇了九個不同的大環化合物作為共組裝受體,它們的表面有多個不同的識別位點,可以適應蛋白質或其他複雜系統上的不同結合位點。傳感器單元的另一個關鍵要求是產生一個容易觀察到的信號,用以反映傳感器和分析物之間的識別。作者採用IDA法實現信號輸出。同時,通過選擇不同的杯芳烴(CA)和染料,並改變其比例,通過調節染料和CA的比例,並改變環境變量(如傳感器陣列的pH值) ,製備多個傳感器單元。最後,作者利用這些傳感器單元創建不同的傳感器陣列,並檢查它們區分複雜系統的能力。

基於不同受體對的傳感器陣列
第一種類型的傳感器陣列通過改變受體和相應的染料來構建。該傳感器陣列的識別能力來自於受體/染料和受體/分析物之間不同的結合強度。當CA-CD形成複合物後,熒光會被淬滅,使得其能夠更靈敏地檢測添加分析物帶來的熒光強度的變化。作者使用13種蛋白作為分析物,將其加入到四種製備的傳感器陣列中,發現這四個傳感器單元對不同的蛋白質顯示出完全不同的熒光響應模式。每個傳感器單元能夠提供關於蛋白質的信息,而組合信息則給出每個蛋白質的專屬識別模式。SA1傳感陣列能夠識別13種蛋白中的11種,SA2能夠識別其中9種。

基於染料置換的傳感器陣列
在作者提出的第二種類型的傳感器陣列中,共組裝是固定的,通過改變染料製備不同的傳感器單元。與SA1和SA2不同,這裡的單一受體意味着受體和分析物之間的結合親和力保持不變,而區分能力來自於受體和染料的不同結合能力。研究發現,改變染料構建的SA3傳感器單元在一定程度上比SA2的識別效果更好。這可能是因為染料和分析物之間的相互作用在識別過程中也扮演重要的角色。

基於改變共組裝比例的傳感器陣列
接下來,作者通過改變共組裝中使用的兩個受體的比例構建傳感器陣列。通過固定一個大環化合物的濃度,改變另一個大環的濃度,可以在不合成更多受體的情況下獲得大量的傳感器單元。研究發現不同的共組裝體對同一蛋白質有不同的熒光信號,四種共組裝體的組合可以為每種蛋白質提供指紋圖譜。其中8種蛋白可以通過這一類型的傳感器陣列進行區分。

基於調節受體對比例的傳感器陣列
在先前討論的例子中,區分能力來自於受體、染料和分析物之間不同的結合親和力。相比之下,目前的判別能力主要來自於IDA過程中熒光信號與分析物濃度之間的非線性關係。因為熒光強度的變化並不不相等,因此,儘管所有受體與給定的分析物具有相同的結合親和力,但通過改變受體對的比例構建的傳感器陣列也可以為每種分析物提供識別模式。13個蛋白中有8個被成功區分,並且分類率達到100%。


對實際複雜系統的識別
蜂蜜是一種廣泛食用的天然食品,它的成分很複雜(主要是糖,加上一些酶、氨基酸、維生素、礦物質和芳香物質),但蜂蜜的種類很難區分,因為蜂蜜樣品的質地、外觀和氣味非常相似。因此,作者選擇蜂蜜來測試超分子傳感器陣列鑑別真實複雜系統的能力。SA11對蜂蜜樣品中的化合物有響應,並成功地對不同花源樣品進行了分類。為了驗證該傳感器陣列在識別複雜系統中的通用性,作者還測試了紅棗、金合歡、益母草、黃連和王石牌多花蜂蜜。LDA圖顯示了不同花源樣品間的明顯分離。考慮到果糖、葡萄糖、水和麥芽糖占蜂蜜重量的93%以上,這些結果證明傳感器陣列可以檢測複雜系統中的微小差異。

小結:作者提出了充分利用超分子識別和組裝能力製備傳感器陣列庫的方法,在此基礎上,結合不同的識別策略構建傳感器陣列,還可以獲得更精細的識別效果。該傳感器陣列能夠區分不同花卉來源和品牌的蜂蜜樣品,以及使用糖漿或廉價蜂蜜摻假的蜂蜜。這種方法有利於提高傳感器陣列庫的豐富程度,並易於擴展到其他構建模塊,為差分傳感提供了思路。