表面等离子共振(SPR)生物传感器 2008

Conditioning saliva for use in a microfluidic biosensor.

Lab on a chip Helton KL, Nelson KE, Fu E, Yager P
阅读原文 PDF DOI PubMed

组成图示

Conditioning saliva for use in a micr... 传感器构成示意图

点击图片查看大图 · 依据论文自动绘制

传感器类型

表面等离子共振(SPR)生物传感器

检测对象

苯妥英(phenytoin, PHN);样品基质:刺激全人唾液(whole human saliva, WHS)及其膜过滤/H-filter预处理液

检测原理

该传感检测基于表面等离子共振成像(SPRI)的无标记光学换能。Au膜表面图案化PEG烷硫醇抗污染区和BSA-PHN捕获区;抗苯妥英单克隆抗体(mAb)与BSA-PHN特异性结合,使界面局部折射率升高,SPRI反射率随之改变。在竞争性免疫分析中,唾液中的苯妥英与表面BSA-PHN竞争结合mAb,使抗体结合信号随苯妥英浓度变化;而黏蛋白和蛋白非特异吸附会造成反射率持续上升的污染信号。样品先经0.2 μm PES膜过滤去除细胞、碎片和大部分黏蛋白,再经H-filter利用层流中大小分子扩散差异将小分子苯妥英与大分子蛋白分离,从而降低污染并保留分析物。未采用HCR/RCA等放大策略,主要依靠预处理降低背景。

检测灵敏度

未报告LOD、线性范围、灵敏度斜率或相关系数。

效应效果

膜过滤去除43%±6%总蛋白和73%±12%糖蛋白,损失22%±3%苯妥英;H-filter萃取后糖蛋白和总蛋白降至3%和8%±2%,苯妥英保留23%±3%,较直接稀释富集约3倍。SPRI显示未处理全唾液污染速率为缓冲液66倍,仅过滤为5.5倍;处理后污染较未处理或仅过滤低3.6倍,10倍稀释滤液仍比萃取液污染高。抗苯妥英mAb特异性结合信号可与残余污染区分。相比冻融离心等集中实验室方法,该法兼容连续流和微流控卡片集成,适合唾液治疗药物监测。

传感器的构成

  • 基底/换能器:玻璃片(glass slide)与1 nm Cr/45 nm Au薄膜,作为SPRI光学换能表面。
  • 微流控腔体:PET(Mylar)或PMMA片层压于基底上方,形成三入口单微通道,引导样品流过传感面。
  • 抗污染修饰层:PEG-terminated alkanethiol(PEG化烷硫醇)图案化于Au表面,抑制非特异吸附并提供体折射率对照。
  • 识别/捕获层:BSA–phenytoin(BSA-PHN)偶联物从10 mg/mL PBS被动吸附于Au表面,作为抗原捕获层用于结合抗苯妥英mAb。
  • 信号识别元件:anti-phenytoin monoclonal antibody(抗苯妥英单克隆抗体,mAb)与BSA-PHN结合,引起界面折射率变化。
  • 样品处理模块:0.2 μm PES膜(含GMF 150/GF/F预过滤)与H-filter微流控芯片,用于去除黏蛋白/蛋白并萃取小分子苯妥英。
  • 读出系统:便携式SPRI仪器(LED光源与成像系统),通过反射率变化读出表面结合或污染。

中文摘要

本文报道了一种用于微流控免疫分析的生物传感器唾液样品预处理方法,旨在解决原始患者唾液因黏度高、黏蛋白和蛋白含量高而导致的传感表面污染问题。作者以刺激全人唾液为基质,加入小分子分析物苯妥英(phenytoin,252 Da)作为模型药物。首先采用膜过滤去除细胞、碎片及高分子量糖蛋白(黏蛋白),显著降低样品黏度并减少生物传感器表面污染,但未能完全消除非特异吸附。随后利用H-filter微流控装置,基于层流中不同分子量的扩散差异,将小分子苯妥英从剩余大分子蛋白和糖蛋白中萃取分离。处理后样品保留23%的苯妥英,糖蛋白和总蛋白分别降低97%和92%,表面污染较未处理或仅膜过滤唾液降低3.6倍。该预处理策略可兼容连续流微流控免疫分析,为临床唾液样品在易污染表面传感技术中的应用提供了可行方案。

英文摘要

This report details an approach to saliva conditioning for compatibility of raw patient samples with microfluidic immunoassay components, principally biosensor surfaces susceptible to fouling. Stimulated whole human saliva spiked with a small molecule analyte (phenytoin, 252 Da) was first depleted of cells, debris and high molecular weight glycoproteins (mucins) using membrane filtration. This process significantly reduced but did not eliminate fouling of biosensor surfaces exposed to the sample. An H-filter, which separates solutes from mixed samples based on their diffusion in laminar flow, was used to extract the analyte from the remaining large molecular weight species in the filtered saliva sample. Patient samples treated in this way retained 23% of the analyte with 97% and 92% reduction in glycoproteins and proteins, respectively, and resulted in 3.6 times less surface fouling than either untreated or filtered saliva alone. These sample conditioning steps will enable the use of fouling-sensitive detection techniques in future studies using clinical saliva samples.

关键词

唾液预处理微流控表面等离子共振成像苯妥英H-filter生物传感器污染