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
综述或非传感器论文
检测对象
蛋白激酶C活性（PKC activity）、钙/钙调蛋白依赖性激酶IIα活性（CaMKIIα activity）、钙离子（Ca2+）、annexin 4 膜组装（annexin 4 assembly）、caspase 3 活性（caspase 3 activity）、RAC1/CDC42/RHOA 激活（RAC1/CDC42/RHOA activation）；样品基质：活细胞（细胞质、质膜、细胞核）
检测原理
该文所述生物传感器主要基于遗传编码荧光蛋白 FRET。传感器将识别结构域（如 FHA2、CaMKIIα 自抑制/催化结构域、annexin 4、DEVD 底物或 GTPase 结合片段）与供体/受体荧光蛋白连接。当被测信号蛋白被磷酸化、切割、结合钙离子或处于 GTP 激活态时，识别元件发生结合、切割或构象变化，改变供体与受体之间的距离或取向，从而改变 FRET 效率；供体荧光降低、受体荧光升高，比率或荧光寿命变化随活性增强而改变。单荧光蛋白传感器通过离子、pH、ROS 响应或 BiFC 荧光互补产生信号；环境敏感染料 mero87 结合激活态 CDC42 后因微环境变化而荧光增强。FLIM 和正交光谱提高信噪比，计算多重化通过公共参照事件与互相关整合不同细胞数据。
检测灵敏度
原文未报告 LOD、线性范围、灵敏度斜率或相关系数。
效应效果
文章未报告单一传感器的检出限、线性范围、RSD 或实际样品回收率，因此无法给出定量性能。其主要表现为：利用 CFP/YFP、mOrange/mCherry、mTeal/mCitrine、mAmetrine/tdTomato 等正交 FRET 对，可在同一活细胞中同步监测两至三个信号节点；FLIM 对不均匀照明、探针浓度差异和细胞几何不敏感，可增强比率成像可靠性；环境敏感染料减少外源蛋白负载和细胞扰动。计算多重化利用本底波动和公共 fiduciary 事件，在不同细胞间推断 RAC1 激活较 RHOA 延迟约 40 s、空间滞后约 2 μm，并重建信号网络层级。作者主张该策略适用于近生理条件下的单细胞信号转导研究。
传感器的构成
- 识别元件：FHA2 结构域与 PKC 底物肽，识别 PKC 磷酸化事件
- 识别元件：CaMKIIα 自抑制结构域（AID）与催化结构域（CAT），磷酸化后构象变化
- 识别元件：annexin 4，钙依赖结合膜脂并自组装
- 识别元件：caspase 3 底物 DEVD 序列，被 caspase 3 切割
- 识别元件：PAK 的 RAC1 结合片段、WASP 的 CDC42 结合片段、RHOA 结合片段，识别激活态 GTPase
- 信号标记物：CFP/YFP、mOrange/mCherry、mTeal/mCitrine、mAmetrine/tdTomato 等 FRET 供受体荧光蛋白对
- 信号标记物：环境敏感染料 mero87，结合激活态 CDC42 后荧光增强
- 定位元件：MyrPalm 膜定位序列或核定位/核排除序列，将传感器靶向质膜或细胞核
中文摘要
细胞信号转导发生在复杂且冗余的相互作用网络中，最理想的研究方式是在同一活细胞中同步监测多个组分的激活动态。近年来，生物传感器技术的进展使人们能够在同一活细胞内可视化并定量多个网络节点的激活状态。遗传编码的荧光共振能量转移（FRET）生物传感器、正交荧光蛋白对以及荧光寿命成像显微镜（FLIM）显著提高了实验多重化的能力，使两个甚至三个信号活性可在同一细胞中同时成像。与此同时，计算多重化方法通过在不同细胞中分别成像网络节点，并利用公共参照事件、本底波动和统计相关分析，推断节点之间的时空关系，从而扩展了该方法的精度与范围。本文综述了实验多重化与计算多重化的现状，并展望二者联合用于单细胞信号转导网络分析的前景。
英文摘要
Cellular signal transduction occurs in complex and redundant interaction networks, which are best understood by simultaneously monitoring the activation dynamics of multiple components. Recent advances in biosensor technology have made it possible to visualize and quantify the activation of multiple network nodes in the same living cell. The precision and scope of this approach has been greatly extended by novel computational approaches (referred to as computational multiplexing) that can reveal relationships between network nodes imaged in separate cells.