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
蛋白质（protein）、抗体（antibody）、受体（receptor）、肽（peptide）、寡核苷酸（oligonucleotide）、小分子（small molecule）、碳水化合物（carbohydrate）、脂质（lipid）、细胞外基质（extracellular matrix）；样品基质：缓冲液、粗细菌裂解液、食品/环境/临床样品等
检测原理
本文综述的光学生物传感器以SPR为主：配体通过胺偶联、链霉亲和素-生物素、His-tag/NTA或Protein G等固定于金膜表面；分析物与固定配体结合后，界面质量/折射率发生变化，改变表面等离子体共振角、波长或相位，仪器实时记录传感器图。结合相信号随分析物浓度和结合量增加，解离相随复合物解离下降；通过参考通道扣除缓冲液失配和漂移，并拟合1:1动力学或平衡模型获得ka、kd、KD。除SPR外，还涉及共振波导光栅、双偏振干涉和衍射光学等无标记光学方法。通常不依赖酶或荧光标记放大，而依靠表面固定密度、参考扣除、重复进样和模型拟合提高信噪比；SPRi阵列平台提高配体通量。
检测灵敏度
—
效应效果
该文为2007年光学生物传感器文献年度调查，共纳入1179篇论文，其中96%使用标准SPR及相关技术，89%使用Biacore平台；75%论文至少包含一张传感器图，但仅25%报告速率常数时给出数据与模型拟合叠加。作者指出约15%用户属于高质量使用者，强调重复进样、随机化、参考扣除、低表面密度和正确模型拟合。文中举例Biacore A100可在粗细菌裂解液中每天筛选400个scFv抗体，Agilent SPRi平台声称可同时监测110个配体点。作者主张通过肉眼识别双相、漂移、跳跃、负响应等伪影，避免过度解释，提高数据可信度。
传感器的构成
- 综述范围：2007年1179篇光学生物传感器文献，未报道单一传感器构成
- 换能器/基底：SPR金膜传感器芯片（Biacore等），用于表面等离子共振检测
- 修饰层：胺偶联化学（amine-coupling chemistry），用于固定蛋白/抗体/配体
- 捕获层：链霉亲和素（streptavidin）或捕获抗体，用于固定生物素化/His-tag配体
- 识别元件：抗体、蛋白、肽、DNA探针、碳水化合物、脂质等，用于特异性结合分析物
- 信号机制：结合引起界面折射率/质量变化，产生SPR响应
- 读出：传感器图（sensorgram）与1:1动力学/平衡模型拟合
中文摘要
2007年共有1179篇涉及光学生物传感器应用的论文发表。仪器硬件、检测方案设计和固定化学方面的进展持续提高该技术的通量、灵敏度和实用性。与近年相比，当年使用了最广泛的光学生物传感器平台，包括传统格式和阵列式平台。然而，与以往一样，作者发现实验执行良好且数据解释审慎的论文比例仍然偏低，并对文献中频繁出现的不理想数据和过度解释结果表示担忧。文章利用文献中的实例，归纳了若干可用于肉眼识别生物传感器响应特征的方法，以区分实验伪影与真实结合事件。作者希望从实验人员、项目管理人员到论文审稿人都能仅凭观察传感器图，准确判断生物传感器结果的质量，从而提高光学生物传感器数据的可信度和应用价值。
英文摘要
In 2007, 1179 papers were published that involved the application of optical biosensors. Reported developments in instrument hardware, assay design, and immobilization chemistry continue to improve the technology's throughput, sensitivity, and utility. Compared to recent years, the widest range of platforms, both traditional format and array-based, were used. However, as in the past, we found a disappointingly low percentage of well-executed experiments and thoughtful data interpretation. We are alarmed by the high frequency of suboptimal data and over-interpreted results in the literature. Fortunately, learning to visually recognize good--and more importantly, bad--data is easy. Using examples from the literature, we outline several features of biosensor responses that indicate experimental artifacts versus actual binding events. Our goal is to have everyone, from benchtop scientists to project managers and manuscript reviewers, become astute judges of biosensor results using nothing more than their eyes.