组成图示
点击图片查看大图 · 依据论文自动绘制
传感器类型
其他（声学表面波生物传感器）
检测对象
组蛋白Hv1（Hv1 histone protein）、双链DNA（dsDNA，75/90/132/167/198 bp及直/弯90-mer）；样品基质：Tris缓冲液（50 mM Tris pH 7.5、2.5 mM MgCl2、10 mM KCl）
检测原理
生物素化DNA通过链霉亲和素固定于Au表面，形成表面结合DNA层。加入Hv1后，带正电组蛋白与DNA磷酸骨架发生静电结合，使原本伸出表面的DNA弯曲、塌缩并聚集成紧凑刚性核蛋白层。Love波在PMMA波导中传播，其相位变化主要反映界面质量增加，振幅变化反映界面黏度和能量耗散变化。Hv1结合导致相位下降，而DNA构象塌缩降低耗散，使振幅出现增加。通过实时监测ΔPh和ΔA，可滴定Hv1浓度并区分不同长度、固有弯曲和表面覆盖度DNA；平衡态ΔA/ΔPh比值作为声学指纹，反映层刚性和构象。该过程无酶或核酸放大，信号来自质量与黏度变化。
检测灵敏度
未报告检出限、线性范围、灵敏度斜率或相关系数。
效应效果
该传感器对非特异性结合不敏感，未加DNA时Hv1不引起明显振幅变化。相位信号在不同DNA尺寸、覆盖度和形状间几乎一致，表明结合Hv1量相近；振幅信号则能区分198 bp、90 bp直链和90 bp弯曲DNA以及50%与100%表面覆盖度。各DNA重复性约90%。平衡态ΔA/ΔPh为0.018±0.009 dB/deg，接近链霉亲和素层0.015±0.008 dB/deg，明显低于游离表面DNA的0.260±0.006、0.110±0.006和0.086±0.004 dB/deg，说明形成紧凑刚性层。动力学分析得ka=2.9×10^3 M^-1 s^-1、kd=2.88×10^-3 s^-1，Keq约3×10^5 M^-1。作者认为该方法在速度、简便性和可靠性上可与凝胶电泳竞争，适用于DNA弯曲/靶向蛋白研究。
传感器的构成
- 换能器基底：155 MHz表面声波器件（SAW）/Love波器件，含叉指换能器（IDT），产生并接收声波
- 波导层：0.4 μm聚甲基丙烯酸甲酯（PMMA）波导层，限制Love波传播
- 传感表面：20 nm金（Au）层，溅射沉积于IDT之间，作为生物分子固定界面
- 固定层：链霉亲和素（Neutravidin，100 μg/mL）饱和吸附于Au表面，结合生物素化DNA
- 识别/捕获层：生物素化双链DNA（biotinylated dsDNA, b-DNA，75/90/132/167/198 bp或直/弯90-mer），固定于表面
- 目标蛋白：Hv1组蛋白（Hv1 histone，约15 kDa），与DNA静电结合
- 信号读出：Agilent E5061A网络分析仪，测量Love波振幅（ΔA）和相位（ΔPh）
中文摘要
本研究利用声学生物传感器和原子力显微镜（AFM）表征组蛋白Hv1与DNA的相互作用，并区分不同尺寸和形状的DNA。实验在155 MHz表面声波（SAW）/Love波器件的金表面上，通过链霉亲和素固定生物素化双链DNA，随后加入不同长度、固有弯曲和表面覆盖度的DNA及Hv1，实时监测声波相位和振幅变化。AFM显示DNA与Hv1形成无定形聚集体和核蛋白缠结层。声学测量发现，Hv1结合使相位下降，反映界面质量增加；振幅异常增加则归因于DNA构象塌缩和界面黏度变化。通过振幅信号可滴定表面DNA与Hv1的结合，并区分不同大小和形状DNA。平衡态ΔA/ΔPh比值约为0.018±0.009 dB/deg，表明形成紧凑刚性层。动力学分析得到ka=2.9×10^3 M^-1 s^-1、kd=2.88×10^-3 s^-1，Keq约为3×10^5 M^-1。
英文摘要
We have studied the formation of histone Hv1-DNA complexes using an acoustic biosensor and AFM imaging. Our results show that DNA and histone molecules aggregate into amorphous accumulations which form a compact rigid layer on the sensor's surface. By measuring changes in the acoustic wave amplitude, it was possible to titrate surface bound DNA with Hv1 and discriminate between DNA molecules of different size and shape. From the kinetic analysis of real time data, Keq was found equal to 3x10(5) M(-1).