氮杂环卡宾配体

引言准确预测蛋白质-配体(在本文的语境中，配体意指小分子有机化合物)的结合构象是计算生物学中的一项重要任务。一方面，它有助于人们理解蛋白质与内源小分子或药物分子的互作机制。另一方面，在药物设计或药物筛选(无论是单个蛋白-多个配体的正向筛选，还是单个配体-多个蛋白的逆向筛选)的过程中，也离不开对复合物构象的准确预测：这是准确计算蛋白质-配体结合稳定性(亲和力)的必要条件。对于给定蛋白和给定配体分子，依据是否已知结合口袋(也称配体结合位点)可以将复合物构象预测任务分为两类：口袋未知的盲对接(blind docking)任务和口袋已知的局部对接(local docking)任务。其中，盲对接任务是更普遍的、更富有挑战性的任务。在传统的对接流程中，这一任务又被划分为几个子任务：先借助口袋搜索算法确定可能的结合位点(即，转化为局部对接任务) 再利用构象生成(采样)方法生成大量可能的复合物构象，并依据打分函数评价各个构象(即，进一步确定配体的位置、朝向，以及各个键对应的扭转角) 挑选出打分值最优者作为最终结果。但是，对接过程面临着打分函数不够准确、构象搜索空间巨大导致计算耗时过长等挑战。比如，对于后者，文献[1]计算结果表明：对于单个配体复合物的盲对接任务而言，借助GNINA和Glide这两款传统的对接软件，生成百万量级的复合物构象并从中挑选最优者，平均耗时分别约为150 s和1500 s。在巨型分子库的(如ZINC 15数据库，含有约数十亿个化合物分子[2])虚拟筛选过程中，使用传统方法逐一对接每个分子在计算速度上是不可接受的。而数据驱动的机器学习方法为优化各个子任务的准确性和计算效率带来希望。此外，同样基于机器学习方法，部分研究者发展出“端到端”的、更为直接的对接流程：训练一个拟合自由能面(free energy landscape)的模型，无需将原有的对接任务划分为多个子任务，以蛋白质与配体的三维结构为输入，输出即为可能的复合物构象。参照Anfinsen提出的蛋白质折叠热力学假说，可以设想：如果存在一个能量函数，能够将复合物在三维空间下的所有状态映射到它对应的自由能，那么可以将复合物构象预测问题转化为该能量函数的最优化问题[3]。这是机器学习拟合自由能面的出发点。与传统的对接方法相比，这样的方法也同样可能在准确性和计算效率等指标上得到提升。本文将针对口袋搜索、构象生成、打分函数、自由能面建模这四个方向：整理相应的评价体系，包括常用的评价指标或测试集 挑选并简要介绍部分具有代表性的机器学习模型 结合模型评估实验讨论当前模型或评价体系存在的不足以及未来可能的发展方向。1.机器学习口袋搜索 1.1 评价体系目前存在两种描述蛋白质-配体结合口袋的方式。其中一种方法借助蛋白质表面的点云(surface points)来描述。这种方法被称作以配体为中心(ligand-centric)的方法。另一种方法则借助蛋白质上的原子来描述，那些蛋白质上的、与配体重原子距离小于一定阈值的重原子被定义为配体结合原子。这种方法被称作以蛋白质为中心(protein-centric)的方法。这两种描述方法相应地衍生出两类评价指标。对于前者，通常以配体原子中心距(预测的口袋中心与配体任意原子的距离，distance between the center of the predicted site to any atom of the ligand，DCA)、配体中心距(预测的口袋中心与配体中心的距离，distance between the center of the predicted site to the center of the ligand，DCC)、体素交并比(预测的口袋体积与配体所占据的空间体积的交并比，discretized volume overlap，DVO)等指标来衡量[4][5]。直观上，在这三个指标中：DCA最为宽松(只需大致判断配体位置)，DCC更为严格(额外考察了配体大小)，DVO最为严格(额外考察了配体构象)。但在多数文献中，常使用DCA和DCC这两个指标，并以4 Å作为预测成功与否的阈值[4]。对于后者，Yan等人以原子水平的交并比(Intersection over Union)来衡量[6]。具体地，计算预测的配体结合原子与标注的配体结合原子的交集与并集的比值。这也是机器学习目标检测任务中的常用指标。1.2 模型方法目前发展的大多数口袋搜索算法，都是以搜索蛋白质表面点云为目标。例如Krivák等人于2015年提出的P2Rank[7]：刻画蛋白质Connolly点云中各个点的物化特征，并使用随机森林模型对每个点进行可靶性预测，最后对点聚类得到口袋预测结果。以DCA为评价标准，P2Rank在多个数据集上表现优于传统方法Fpocket。Krivák等人后续还提供了P2Rank的网络服务[8]，并对多种方法口袋搜索方法进行了更加全面的总结和比较，其中包括Jiménez等人于2017年开发的、使用3D网格(体素)刻画结合位点的DeepSite[9]。值得一提的是，在Krivák等人的结果中(测试数据集为COACH420、HOLO4K，评价指标DCC)，DeepSite表现不及Fpocket 而在Jiménez等人的结果中(测试数据集CHEN251，评价指标DCC、DVO)，DeepSite表现显著优于Fpocket。最近，Yan等人另辟蹊径，以鉴定蛋白质上的配体结合原子为目标，发表了PointSite方法[6]，并声称其在多个数据集上(包括COACH420、HOLO4K、CHEN251等等，以原子水平的交并比为评价指标)取得了SOTA。Yan等人将口袋搜索问题转化为计算机视觉领域的点云分割问题 此处的点以蛋白质上的原子表示，以充分挖掘原子之间的键连特征。此外，作者还指出：将PointSite方法引入到其它口袋搜索方法如FPocket、P2Rank中(具体而言，使用点云分割的结果对后者的预测结果进行过滤)，可以进一步提升配体结合位点的鉴定效果。1.3 讨论从以上几种方法的评估实验中可看出，模型在不同测试数据集上的相对表现可能存在差异，因此需要建立一套统一的、合适的数据集进行测试。另外，在训练数据集的准备过程中，将未鉴定到配体结合的位点直接划分为负样本也值得考量。2.2在具体使用建议上，最近有研究将口袋搜索方法引入到完整的对接流程中[10][11]，相较于FPocket、P2Rank等方法，PointSite表现最优。　　2. 机器学习构象生成 2.1 评价指标对于构象生成模型而言，需要考察所生成构象的多样性和准确性，由此分别衍生出两类指标：覆盖率(COV，coverage)和匹配程度(MAT，matching metrics)。针对测试集中的每一个构象：查看是否能够在生成的构象集合里找到RMSD值小于给定阈值的构象(如果能，则表示该模型能够覆盖当前测试构象)，可以计算得到覆盖率 计算生成的构象集合与当前测试构象的最小RMSD值，取平均可以得到匹配程度的值。以上是从测试集的角度衡量模型表现(召回率) 相应地，将测试集构象与生成集构象在计算中对调，则可判断模型的准确率。目前常见的测试数据集包括GEOM-QM9和GEOM-Drugs[12]。2.2 模型方法构象生成模型沿着两个思路发展：直接生成各个原子的3D坐标 先生成原子对距离、二面角等中间参数，再将分子3D坐标还原。对于前者，技术难点在于保证模型对于输入分子的旋转-平移不变性(整体改变分子坐标，得到的构象是相同的，也即对齐过程)。对于后者，则可能生成不合法的中间参数(比如违反三角几何关系)，或者中间参数的误差在训练过程中不断累积，影响分子3D坐标重构，需要进行后续的力场优化 但这是目前大多数方法所选取的道路。此处简要介绍最近发展的GeoDiff模型[13]和DMCG模型(Direct Molecular Conformation Generation)[14]。Xu等人于2022年提出GeoDiff，使用扩散模型直接生成原子坐标。GeoDiff在GEOM-Drugs数据集上测试集覆盖率可达约89%、匹配程度约0.86 Å，并且经过力场优化之后可以进一步提升模型表现。作者指出：在逆向扩散过程中(生成过程)，如果某一时刻T的密度函数具有旋转-平移不变性，且逆向生成的条件概率函数具有旋转-平移不变性，则T时刻以前任意时刻的密度函数也具有旋转-平移不变性。同年， Zhu等人提出基于变分自编码器的DMCG模型，在GEOM-QM9和GEOM-Drugs数据集上均取得最优(对于后者，覆盖率约96%，匹配程度约0.70 Å)。作者指出：模型除了满足旋转-平移不变性外，对于对称结构还应当满足置换不变性(交换对称原子的坐标，得到的构象是相同的)。为此，计算任意旋转-平移操作以及对称原子置换操作下的两个结构的距离最小值，并将其引入损失函数中，以满足以上两种不变性。消融实验表明，如果不考虑这一项损失，则覆盖率将下降约20个百分点，匹配程度将提高约0.3 Å。2.3 讨论今年3月，Zhou等人[15]基于RDKit设计了一种简单的生成算法：使用RDKit分别采样二面角、采样几何片段、采样能量并生成相应的构象，随后按照能量大小进行聚类。在GEOM-QM9和GEOM-Drugs两个数据集上，与GeoDiff、DMCG等深度学习方法相比，该算法几乎在所有指标上取得SOTA。作者认为，目前的测试基准不足以覆盖实际应用中(如分子对接中)涉及的构象生成任务。　　事实上，生成足够的分子构象不会降低测试构象集上的匹配程度和覆盖率(召回率)，但可能降低生成构象集的相应指标(查准率)。而Zhou等人(包括Zhu等人的DMCG)并未在文中给出关于后者的模型评价，因此模型的实用性仍有待考察。另外，目前的构象生成方法均以单个配体的势能极小值作为优化目标，针对(已知口袋的)复合物中配体的构象生成模型仍有待开发。最后，GeoDiff模型与DMCG模型的发展也启示我们挖掘任务目标中蕴含的性质(对称性、不变性)，在模型训练中引入合适的归纳偏置。　　3. 机器学习打分函数3.1 评价指标Su等人[16]于2019年建立了一套打分函数的基准测试数据集CASF-2016。CASF-2016及其前身CASF-2013已被广泛用于评估打分函数的表现。同时，Su等人设计了四类指标分别考察打分函数的打分能力、排名能力、对接能力和筛选能力。打分能力通常以Pearson相关系数来衡量：考察天然蛋白复合物的计算打分值与实验结合常数的对数之间的线性相关性。排名能力通常以Spearman等级相关系数或Kendall等级相关系数来衡量：对于同一蛋白、不同配体的多个天然蛋白复合物结构，考察计算打分值给出的排名与实验结合常数给出的排名之间的匹配程度。对接能力以对接成功率衡量：对于单个复合物，在天然配体结合构象和一系列计算生成的诱饵分子构象(decoy)中，若计算打分最高者与真实结合构象的RMSD小于2 Å，则认为对接成功 对于多个复合物，进一步计算对接成功率。筛选能力以筛选成功率衡量：在天然配体和一系列其它配体分子中，计算打分前1%(5%、10%)结果里包含天然配体的比例。由此可见，打分能力直接以实验数据作为参考，是评估打分函数是否可靠的基本测试。排名能力是对打分能力的补充。打分能力越好，排名能力通常也越好 反之则未必成立(存在对实验结合常数进行非线性拟合的打分函数)。对接能力测试将计算生成的构象引入测试集中，因此更贴近实际对接操作、对于打分函数的选择更具参考意义。需要指出的是，对接能力测试给出的结果通常只能代表该打分函数的对接能力上限，在CASF-2016的测试中可能呈现分数虚高的情形(在测试中能够以90%的成功率在top-1中挑选出天然配体构象，但在实际应用中却不能达到这一表现)。这主要归结于实际应用中计算生成的构象不够充分。筛选能力涉及多种配体的对接，因此可视为对排名能力和对接能力的综合考察。3.2 模型方法针对打分函数的机器学习方法，前人已给出详尽的综述[17][18][19]。本文将展开介绍经典的ΔVinaRF20打分函数[20]，以及最近发展的DeepDock[21]和RTMScore[22]。ΔVinaRF20由Wang等人于2016年提出，在CASF-2013、CASF-2016测试集上的各指标中均排名靠前[16][20]。具体地，在CASF-2016测试集上，ΔVinaRF20在打分能力和排名能力两个指标上分别以0.82和0.75取得最优，在对接能力上以89.1%(top1)仅次于Autodock Vina(90.2%)，在正向筛选能力以42.1%(top1)取得最优、逆向筛选能力以15.1%(top1)位居第五(次于最优方法ChemPLP@GOLD约2.4%)。Wang等人指出：机器学习打分函数与经典的打分函数在这些指标中各有所长，前者长于打分，后者长于对接和筛选。因此作者拟结合二者优点：一方面对训练集进行数据增强，将计算生成的诱饵结构引入训练集中(同时计算估计亲和力作为标签)，以提高机器学习打分函数的对接和筛选能力 另一方面使用随机森林方法对AutoDock Vina中的打分函数进行参数化修正(使用Δ-machine learning方法，类似残差拟合)。Méndez-Lucio等人于2021年提出的DeepDock方法在CASF-2016的正向筛选和逆向筛选能力评估中分别以43.9%和23.9%取得SOTA，但DeepDock给出的打分值与实验结合常数的对数之间不存在相关性(在训练过程中未引入实验结合常数的相关信息)。DeepDock方法使用二维分子图刻画配体、多面体网格点刻画蛋白质口袋(参考了MaSIF的编码框架[23])，分别学习蛋白质口袋与配体原子的节点表示 随后两两组合配体和靶蛋白的节点形成节点对，使用混合密度函数拟合节点对的距离分布(概率密度函数)。作者指出：相较于通过最小化距离误差来学习节点对距离的平均值，混合密度函数能够学习训练集中节点对多个可能的距离，从而更好地刻画构象预测任务中的多值特性。在DeepDock的基础上，Shen等人从两方面进行改进得到RTMScore：一方面，使用无向图编码蛋白质口袋残基，在编码过程中满足对于输入复合物坐标的旋转不变性 另一方面使用Graph Transformer模型以学习更深层次的特征。作者声称RTMScore在CASF-2016测试集上的对接能力和筛选能力达到SOTA，相较DeepDock得到大幅提升：对接成功率达到98.6%，正向筛选成功率达73.7%，逆向筛选成功率达38.9%。3.3 讨论DeepDock等方法的发展展现了图模型在捕获蛋白质-配体互作的潜力，以及直接拟合蛋白残基-配体原子距离似然函数的有效性。事实上，距离似然函数不仅能作为打分函数评估当前构象，还能够作为某种“势能面曲线”指导构象优化。此外，这些新近提出的DeepDock等方法有待更广泛的测试验证。在其它论文的评估实验中[24]，RTMScore在对接能力中依旧表现最优。但考虑到缺少打分能力、排名能力等测试数据，后续仍需要更多的测试评估(尤其是将打分函数整合到完整的对接流程中)以验证这些方法的可靠性。　　4. 机器学习自由能面4.1 评价体系拟合自由能面的模型直接处理盲对接任务，生成复合物构象。其中存在两类评价指标。一类指标评估计算准确性。通常以预测复合物(如果模型给出多个可能的构象，则选取打分值top-1者)中配体重原子RMSD小于2 Å所占的比例来衡量模型对接能力。一般以2 Å作为对接成功与否的判断阈值[10]。还有通过配体质心距离小于2 Å(或5 Å)所占的比例来考察模型是否能够找到正确的结合口袋。此外，为判断生成的配体构象在化学上是否合理，Corso等人额外考察了配体构象中存在位阻冲突(steric clash，配体内部重原子之间的距离是否小于0.4 Å)的比例。另一类指标评估计算效率 这在大型分子数据库的虚拟筛选过程中同样不可忽视。以对接一个分子所需的平均CPU(如果可能，使用并行加速)或GPU时间来衡量。4.2 模型方法拟合蛋白质-配体自由能面的机器学习方法最近得到逐步发展，代表性的方法包括EquiBind[1]、TANKBind[25]、DiffDock[10]。Stärk等人于2022年提出基于图几何深度学习的EquiBind方法，在机器学习方法直接预测蛋白质-配体结合构象这一问题中做出开创性贡献。该方法以随机的配体分子构象(比如使用RDKit生成的构象)作为输入，无需经过大规模的构象采样即可在约0.1 s的时间内给出复合物结构。由此给出的结构在寻找结合口袋的能力上与传统方法(如QuickVina-W)相当(配体质心距小于2 Å的比例均约40%)，但在配体结合构象的预测上却表现不佳(配体RMSD小于2 Å的比例约6%，不及QuickVina、GLIDE等方法所达到的约20%)。虽然可以在该结构的基础上结合传统方法进一步微调配体位置和构象，但将增加预测所需的时间成本至数十秒或数百秒。同年，Lu等人提出TANKBind。相较于EquiBind，在保留推理速度(约0.5秒)的同时，TANKBind在配体构象预测上取得和传统方法相当的结果(配体RMSD小于2 Å的比例约19%)，口袋预测能力则获得较大提升(配体质心距小于2 Å的比例约56%)。不同于EquiBind对整个蛋白质进行编码的方法，TANKBind采用P2Rank寻找口袋位置，随后针对该位置的蛋白质区块(由半径20 Å内的残基构成)，拟合蛋白质残基与配体原子的距离。此外，受AlphaFold2的启发，TANKBind将三角几何约束引入残基与配体原子的距离建模中。消融实验表明，三角几何约束可以显著提升模型表现：配体RMSD小于2 Å的比例提升约15%，配体质心距小于2 Å的比例提升约12%。同年十月， Corso、Stärk等人提出DiffDock模型。该模型在对接准确性上首次实现了对传统对接模型的大幅超越。在holo态的蛋白晶体对接结果中，配体重原子RMSD小于2 Å所占的比例可达到38.2%，约为传统方法的两倍。这一结果对应于40次采样，消耗计算时间约40秒。与DeepDock想法类似，DiffDock使用生成模型来学习构象的概率分布并建立了一套相应的“扩散”方法(构象采样方法)。4.3 讨论今年2月，Yu等人[11]重新设计实验，考察了DiffDock等机器学习模型在盲对接任务中的哪一阶段领先传统方法、领先到何种程度。作者将盲对接任务拆分为口袋搜索和局部对接两个子任务，设计了三组实验：完全使用DiffDock等模型完成盲对接 使用其它方法搜索口袋(如前文所述的PointSite、P2Rank)，使用Uni-dock[26](一种基于AutoDock Vina 1.2的GPU加速对接方法)局部对接 使用DiffDock搜索口袋，使用Uni-dock局部对接。结果表明：DiffDock方法在口袋搜索中效果更佳(相较于PointSite等方法而言，引入了配体分子的结构信息)，但与ground truth、即表中的GT pocket相比仍存在提升空间 口袋确定，传统对接手段得到的结果优于DiffDock等机器学习模型。作者进一步指出：给定口袋下预测蛋白质-配体构象的机器学习方法是后续发展的方向(正如机器学习构象生成中所讨论的) 对于端到端的模型比较实验中，需要更审慎地评估传统方法的表现。另外，随着蛋白质结构预测方法的发展，评估模型在apo态蛋白质上的对接表现是有必要的，也是更符合实际情形的。事实上，目前几种模型所使用的训练集均为holo态蛋白(缺乏足够数量的与holo态对应的apo态蛋白结构)。为泛化模型的对接能力至apo态蛋白结构，通常采取折中方案：假定apo态与holo态的主链变动不大，而在模型编码过程中只使用主链碳原子的信息。DiffDock论文中首次评估了各种方法在ESMFold给出的蛋白质结构上的对接能力。结果显示，各模型的对接表现均显著下降(对于DiffDock而言，配体重原子RMSD小于2 Å所占的比例从38.2%下降至20.3%)。机器学习方法建模对接过程中蛋白质的结构变化仍然道阻且长。将分子动力学模拟过程中产生的动态信息引入模型中也许是一种可能的突破方向[27]。最后，正如AlphaFold2可作为打分函数评估蛋白质结构是否合理[3]，DiffDock等拟合自由能面的模型，其在打分函数的各项评价指标中表现如何也值得进一步探究。　　参考文献　　[1] Equibind: Geometric deep learning for drug binding structure prediction　　[2] Artificial intelligence–enabled virtual screening of ultra-large chemical libraries with deep docking　　[3] State-of-the-Art Estimation of Protein Model Accuracy Using AlphaFold　　[4] A Critical Comparative Assessment of Predictions of Protein-Binding Sites for Biologically Relevant Organic Compounds　　[5] Improving detection of protein-ligand binding sites with 3D segmentation　　[6] PointSite: A Point Cloud Segmentation Tool for Identification of Protein Ligand Binding Atoms　　[7] P2RANK: Knowledge-Based Ligand Binding Site Prediction Using Aggregated Local Features　　[8] P2Rank: machine learning based tool for rapid and accurate prediction of ligand binding sites from protein structure　　[9] DeepSite: protein-binding site predictor using 3D-convolutional neural networks　　[10] DiffDock: Diffusion Steps, Twists, and Turns for Molecular Docking　　[11] Do Deep Learning Models Really Outperform Traditional Approaches in Molecular Docking?　　[12] GEOM, energy-annotated molecular conformations for property prediction and molecular generation　　[13] GeoDiff: a Geometric Diffusion Model for Molecular Conformation Generation　　[14] Direct Molecular Conformation Generation　　[15] Do Deep Learning Methods Really Perform Better in Molecular Conformation Generation?　　[16] Comparative Assessment of Scoring Functions: The CASF-2016 Update　　[17] Machine-learning methods for ligand-protein molecular docking　　[18] Protein–Ligand Docking in the Machine-Learning Era　　[19] From machine learning to deep learning: Advances in scoring functions for protein–ligand docking　　[20] Improving scoring-docking-screening powers of protein–ligand scoring functions using random forest　　[21] A geometric deep learning approach to predict binding conformations of bioactive molecules　　[22] Boosting Protein–Ligand Binding Pose Prediction and Virtual Screening Based on Residue–Atom Distance Likelihood Potential and Graph Transformer　　[23] Deciphering interaction fingerprints from protein molecular surfaces using geometric deep learning　　[24]: A fully differentiable ligand pose optimization framework guided by deep learning and a traditional scoring function　　[25] TANKBind: Trigonometry-Aware Neural NetworKs for Drug-Protein Binding Structure Prediction　　[26] Uni-Dock: GPU-Accelerated Docking Enables Ultralarge Virtual Screening　　[27] Pre-Training of Equivariant Graph Matching Networks with Conformation Flexibility for Drug Binding　　本文作者：ZF责任编辑：WFZ

科技部新闻发言人11月8日表示，今年9月，美国《科学》杂志刊登的“中国的科研文化”一文，涉及中国基础研究科研经费分配问题，科技部认为与事实不相符合。　　清华大学生命科学学院院长施一公和北京大学生命科学学院院长饶毅今年9月在美国《科学》杂志发表“中国的科研文化”一文，讨论目前中国科研基金分配体制及科研文化问题。他们认为，尽管近年来中国研究经费持续以20%的比例增长，但这种增长没有对中国的科学和研究起到应有的强大的促进作用，现行的科研基金分配体制甚至在某种程度上阻碍了中国创新能力的发展。　　资料图片：图为作者之一清华大学生命科学学院院长施一公。(图片来源：科学网)　　资料图片：图为作者之一北京大学生命科学学院院长饶毅。(图片来源：科学网)　　科技部新闻发言人表示，我国基础研究科研项目经费在支持方向上分为两类，一类是以资助科学家自由探索为主的基础研究，例如国家自然科学基金，支持的面广，项目数多 另一类是以国家重大需求为目标的基础研究项目，例如国家重点基础研究计划(973计划)等，是根据经济社会发展方向和重大科学问题所部署的前瞻性重点基础研究任务，由科学家申报，经过公正、公开的评审程序来确定，所有项目都在网上公示，项目所获支持力度一般比较大，项目数少，竞争性强。此类项目在规划、立项、评审和验收等各个环节，按照国际通常办法，都建立了由各学科领域高层专家所组成的专家委员会，参与项目全过程的评审和监督管理。　　科技部新闻发言人表示，近年来，973计划在农业、信息、材料、能源、人口与健康、资源环境、综合交叉和科学前沿等领域，解决了一批重大科学技术问题，为经济社会发展提供了重要的科技支撑。例如：超导材料科学，脑结构与功能的可塑性，太赫兹重要辐射源及探测，量子通信与量子计算，诱导性多能干细胞培育活体小鼠、化学复合驱采油、高强度钢等一批世界瞩目的重大基础研究成果，大大提高了我国基础研究领域的原始创新能力，也为世界科学事业作出了贡献。这些成就凝结着承担科研任务和参与规划、立项、评估、管理的一大批科学家、科技管理人员的辛勤汗水和求实奉献的精神，我们诚挚感谢他们为我国基础研究所作的杰出贡献。　　科技部新闻发言人表示，“中国的科研文化”一文的两位作者施一公教授、饶毅教授，都被聘为国家973计划项目首席科学家，饶毅教授也是国家863计划项目课题负责人，他们都承担了我国基础研究和前沿技术领域的科研项目，国家通过多个渠道对他们在科研经费和条件保障上给予了大力支持。　　科技部新闻发言人表示，科技部作为国家科学技术的行政管理部门，与各科研机构、学术机构、院校、企业、各学术领域科学家、科研人员等联系和反映问题的渠道是畅通的。我们热忱欢迎所有关心我国科技事业发展的人们，就所关心的问题向我们了解情况、交换意见、提出建议。我们重申对任何违反科学道德、科研诚信、违规违纪的不端行为，采取零容忍态度，有举必查，查实必究，绝不姑息。

p style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "span style="text-indent: 2em "4月1日，由中国科学技术大学罗昭锋发起，仪器信息网联合主办的strong“核酸适配体在新冠疫情中的应用”专题网络研讨会/strong成功举办。本次会议报名人数高达1707人，出席1380人，出席率达80.8%，会议取得圆满成功。/spanbr//pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "核酸适配体因其“可以做抗体不能做的事”，而受到广大研究人员的关注。如今，核酸适配体在分析化学、蛋白质组学、临床医学、药物研发及基因调控等领域已经成为重要的研究工具。/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "面对新型冠状病毒疫情，strong如何充分发挥核酸适配体的作用？如何通过各方通力协作，加快产品开发速度？如何完善核酸适配体产业链？核酸适配体产业如何布局和发展？/strong24位来自全球核酸适配体领域的顶尖科学家针对上述问题作了精彩报告。/pp style="text-align: center"img style="max-width: 100% max-height: 100% width: 600px height: 167px " src="https://img1.17img.cn/17img/images/202004/uepic/03845238-73cb-4814-a39a-74113182d001.jpg" title="核酸适配体.png" alt="核酸适配体.png" width="600" height="167" border="0" vspace="0"//pp style="text-align: center "span style="text-indent: 2em "报告专家/span/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "span style="color: rgb(255, 0, 0) "strong以下是部分回放视频：/strong/span/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告一、会议介绍及新冠蛋白核酸适配体的筛选 罗昭锋(中国科学技术大学)/strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "a href="https://www.instrument.com.cn/webinar/video_112188.html" target="_self" style="text-decoration: underline color: rgb(0, 112, 192) "span style="color: rgb(0, 112, 192) "strong回放链接/strong/span/a/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "介绍了核酸适配目前在全球的发展状况，与抗体比较的优缺点。在新冠肺炎疫情下，团队在最短时间内获得了N蛋白与S蛋白的适配体。分析核酸适配体目前遇到的瓶颈，推荐大家在筛选的时候需要考虑应用的条件，尽可能在复杂体系中进行筛选，并具体以N蛋白和S蛋白适配体筛选为例，分析了遇到的问题以及具体的解决方法。最后深入分析了目前适配体产业链发展遇到的问题。当下需要在获得优质适配体的基础上，开发出能真正走向实用的产品。最后，提出了在整个产业链上不同环节开发者之间的合作框架，希望借此机会推进不同团队之间的合作。/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告二、Functional nucleicacids as biosensors towards better human health:accomplishments andchallenges 李应福(McMasterUniversity（加拿大）) /strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "介绍了如何进行COVID-19蛋白的检测，通过control line、IgG和IgM三条检测线的变化进行结果判断，具有操作简单，快速以及灵敏度高等特点，并阐明了核酸适配体领域的现状以及本身对于功能性核酸生物传感器的成就，并且对于核酸适配体的应用发展提出了一些针对性意见，提出未来核酸适配体的重心应当集中到适配体的实际应用上，我们不仅要得到了好的核酸适配体，更需要好用的核酸适配体，同时提出我们在进行核酸适配体的医学应用研究时，我们应当与医生和临床密切的联系，让医生参与到我们的研究当中来。/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong 报告三、Rapid directdetection at single virion level and differentiation of infectious fromnoninfectious virus using DNA aptamer-nanopore 陆艺(Universityof Illinois at Urbana-Champaign) /strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "span style="color: rgb(255, 0, 0) "stronga href="https://www.instrument.com.cn/webinar/video_112189.html" target="_self"回放链接/a/strong/span/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "介绍了DNA酶的产品开发和DNA纳米孔传感器，在point-of-care检测中，在不需要预处理情况下提高选择性和灵敏度，快速检测传染性病毒和非传染性病毒。介绍了团队从基础研究到实际应用中发展，例如将POC用于用药监测，选择合适有疗效的窗口，改进药物疗效；缩短研发时间，应用到现有的仪器中，比如血糖仪中试纸条的钠离子和锂离子检测，实现产品化；细胞内和体内成像剂，将此应用近红外光热激发DNA酶-金纳米在活细胞里金属离子的成像，目前已经通过光调节适配体传感器时空控制活细胞线粒体中的ATP成像以及活细胞里面看到钠离子成像。将DNA酶和荧光蛋白结合从而看到一些小分子。报告了一种简单的方法，无需任何预处理即可在单个病毒颗粒水平上快速（ 30min）检测和区分环境或生物样本中的传染性和非传染性人类腺病毒。/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告四、核酸适配体体外诊断中的应用与挑战 林振宇(福州大学) /strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "span style="color: rgb(0, 112, 192) "stronga href="https://www.instrument.com.cn/webinar/video_112190.html" target="_self"回放链接/a/strong/span/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "介绍了体外诊断的三种方法，基于抗原抗体的免疫诊断，基于酶的生化诊断，基于核酸的分子诊断。结合实验室基础，重点介绍了免疫诊断和基于核酸适配体分子诊断，并比较了两者的优缺点，进一步分析了核酸适配体在体外诊断中的机遇与挑战，及免疫分析检测的优点。就目前新冠病毒疫情而言，免疫体外诊断存在严重的假阴性及假阳性问题，如何在病毒含量低的时候，实现快速检测。这对于核酸适配体而言，既是机遇，也是挑战。/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告五、核酸适配体自动化筛选方案解决方案 孙梅（赛默飞世尔科技（中国）有限公司） /strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "span style="color: rgb(0, 112, 192) "stronga href="https://www.instrument.com.cn//webinar/video_112202.html" target="_self"回放链接/a/strong/span/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "介绍了核酸适配体的背景、自动化selex筛选的步骤原理，磁珠法自动化加速selex的筛选，磁珠法的工作流程及方案，进一步介绍了kingfisher转移磁珠等，kingfisher flex，kingfisher presto，dynabeads磁珠，筛选所要用的试剂等产品。/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告六、基于核酸适配体的生物医学信息获取 羊小海(湖南大学) a href="https://www.instrument.com.cn//webinar/video_112191.html" target="_self" /a/strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "span style="color: rgb(0, 112, 192) "stronga href="https://www.instrument.com.cn//webinar/video_112191.html" target="_self"回放链接/a/strong/span/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "介绍了基于核酸适配体的生物医学信息获取，从纳米材料、信号转换、靶标识别构建生物功能化纳米探针，开展细胞与活体层面信息获取的系列研究工作。重点阐述了通过aptamer筛选获取探针，检测模式和探针设计(夹心、竞争、激活、裂开型、多价结合及药物）对探针的影响。/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告七、新冠肺炎临床诊疗的困境与挑战 王晶、段静思(安徽医科大学) /strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "介绍了新冠在临床的病程进程，临床症状、病理改变等。主要阐述了实验室的诊断方法、重症及危重症预警两方面。各种不同体外诊断检测的解析，不同检测方法与临床症状的矛盾，分析了核酸检出率低的原因可能在于人为因素，主要为采样位置、时间、连续性、样本保存、运输、技术问题、病毒变异、PCR技术等。此外，在诊断过程中还存在着各种问题，如病毒载量，病毒分型，只有更好解决这些问题，才能为临床提供一个更好的诊断依据。当前的治疗，缺乏有效治疗药物，只能提供支持性辅助治疗。最后，从临床的角度对科研提出一些研究方向。 /pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告八、Detectionof target byARP-PCR 林俊生(国立华侨大学) a href="https://www.instrument.com.cn//webinar/video_112192.html" target="_self" /a/strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "span style="color: rgb(0, 112, 192) "stronga href="https://www.instrument.com.cn//webinar/video_112192.html" target="_self"回放链接/a/strong/span/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "介绍了ARP-PCR用于检测的方法（aptamer-based regionally protected PCR)，此方法结合了PCR的信号放大和aptamer的特异性。报告以结合FSHa的适配体A6为原型介绍了结合位点的判断，用干实验（电脑软件预测）和湿实验（分子生物学试验方法，例如斑点杂交，pull-down等），找到结合位置，用酶降解不结合分子以及分子的不结合区域，进行PCR扩增放大特异性的位点。使用恒温扩增代替RT-qPCR，可以on-site检测待测物。/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告九、基于机器学习的新冠病毒核酸适体筛选 宋彦龄(厦门大学) /strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "stronga href="https://www.instrument.com.cn//webinar/video_112193.html" target="_self"回放链接/a/strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "介绍了基于机器鉴定的适配体筛选新方法。针对新冠病毒，选择靶标：S蛋白的RBD结构域，筛选过程加入ACE2竞争辅助筛选，期望获得的适配体与RBD的结合区域与ACE2的结合区域相同。提出基于结构域、家族大小、结构稳定性的多维度综合分析策略，实验对高通量测序大数据中核酸适配体的快速、准确甄定。获得了系列针对SARS-CoV-2的受体结合域（RBD）的高亲和适配体并进行了截短优化，获得的CoV2-RBD-1C和CoV2-RBD-4C适体对RBD的Kd值分别为5.8 nM和19.9 nM。使用分子动力学模拟的相互作用模型及ACE1的竞争实验表明，两条适体可能在SARS-CoV-2 RBD对ACE2的结合上具有部分相同的结合位点。其筛选的适配体为SARS-CoV-2提供了新型识别探针，并且有可能将助力SARS-CoV-2的防控及治疗，同时为深入研究新冠病毒感染机制提供了一个新的分子识别工具。目前文章已经发表。/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告十、适配体相关探针研制及其在病毒检测中的应用 何治柯(武汉大学) /strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "span style="color: rgb(0, 112, 192) "stronga href="https://www.instrument.com.cn//webinar/video_112194.html" target="_self"回放链接/a/strong/span/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "介绍了配合探针与量子点探针两个方面的研究，分享了配合物探针中的核酸分子‘光开关’相关应用：可以替代EB用于核酸检测。核酸分子‘光开关’与量子点结合可用于核酸和蛋白的检测，实现传感与诊断，也用于药物筛选。核酸分子‘光开光’对活病毒双荧光标记用于胞内核酸示踪研究，实现多重荧光标记，10-15min可检测到病毒。其单个艾滋病病毒脱壳过程示踪研究，在科技日报上被称为2016年中国病毒学界重大发现。在量子点探针研制及其病毒检测中的应用：主要讲了实现合成低毒CdTe量子点，一步合成DNA-CdTe：Zn2+量子点；Mucin 1适配体功能量子点成功实现靶向肿瘤。量子点用于病毒的检测实现可视化、多病毒同时检测，也朝着双色一体化发展。目前适配体功能化探针已用于癌症标志物检测与成像，量子点信标已成功应用于单个艾滋病毒RNA的标记与成像。 /pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告十一、超灵敏单分子微阵列技术(SiMoA)在COVID-19研究中的应用潜能 李朝辉(郑州大学) a href="https://www.instrument.com.cn//webinar/video_112195.html" target="_self" /a/strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "span style="color: rgb(0, 112, 192) "stronga href="https://www.instrument.com.cn//webinar/video_112195.html" target="_self"回放链接/a/strong/span/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "介绍了超灵敏单分子微阵列技术（SiMoA）原理，开发出基于微珠的数字式ELISA。新的ELISA相对于传统ELISA，检测的灵敏度提高了1000倍、需要样本变得极低（10-50微升），且可应用与抗原抗体 MiRNA 、外泌体、 CTC与生物小分子的检测，具有极其广阔的应用前景。基于SiMoA已发展了针对近40种肿瘤标志物的超灵敏检测，针对已开发的20余种标志物测定方法的临床样品测定正在进行中，SiMoA平台用于检测新冠病毒蛋白具有巨大优势。/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告十二、适配体在新冠中潜在的应用 廖世奇(甘肃省医学科学研究院) /strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "span style="color: rgb(0, 112, 192) "stronga href="https://www.instrument.com.cn//webinar/video_112196.html" target="_self"回放链接/a/strong/span/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "介绍了适配体在新冠中的潜在应用，从五个方面着手：1、新冠的已有检测技术2、新冠需要的检测技术3、适配体的优势方面；4、新冠问题和拟解决的思路：问题主要是快速准确的确定和检测传染源以及病人病程检测监控。针对这个问题，思考利用分子信标、电化学检测和信标配基等方法快速检测和将蛋白信号转化为核酸，通过适配体形成检测信号的转换和统一监测，形成完整检测。5、目前面临的困难和机会。/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告十三、框架核酸拓扑适配体增强膜蛋白识别 左小磊(上海交通大学)/strong /pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "span style="text-indent: 2em "介绍了框架核酸拓扑适配体的构成，框架核酸是一类人工设计的结构核酸；尺寸、形貌和力学特性可程序性调控；为分子识别提供结构支撑和微环境调控。且显著增强核酸适配体的分子识别结合强度。已经成功将拓扑适配体成功用于捕获循环肿瘤细胞；目前的结果显示，拓扑适配体，可用于多种细胞的捕获，随着适配体数量的增强，结构的复杂程度越高，分子的结合强度越高，捕获效率也会显著提高，且捕获效率高于常规核酸适配体。/span/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告十四、基于功能(寡)核苷酸的治疗药物与检测试剂研发 杨振军(北京大学) /strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "span style="color: rgb(0, 112, 192) "stronga href="https://www.instrument.com.cn//webinar/video_112199.html" target="_self"回放链接/a/strong/span/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "介绍了主要的研究方向：1.化学修饰的小核酸药物研究；2.基于核酸适配体的疾病检测新技术研究；3.环核苷酸类信使分子化学生物学研究；4.核苷类抗病毒药物研究。利用基于氢键/π-π作用的中性胞苷脂材DNCA包载G-4核酸适配体有效转染入胞，在给药剂量大大降低的情况下表现出明显的抗肿瘤作用；在DNCA包载下，发现G-4核酸适配体AS1411和TBA的选择性抗耐药肿瘤细胞作用，并初步探究了作用机制；AS1411和TBA磷硫代、loop拓展，获得了高效抗肿瘤且主要靶标蛋白不同的修饰物；初步构建了基于cRGD的G-4核酸适配（修饰物）靶向递送系统，考察其在动物体内的实体瘤靶向性。基于课题组的突破性核酸递送系统和修饰策略，研发功能寡核苷酸(核酸适配体、反义核酸、siRNA)及环二核苷酸)类精准治疗药物，可能为新冠肺炎病毒感染患者的治疗提供新的选择，也可能会开发出更高效、更精确的临床所亟需的核酸适配体类病毒检测试剂盒，早日实现此类药物和诊断制剂的临床广泛应用，助力未来各类疫情的防控。 /pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告十五、核酸适配体在生物传感及POCT诊断中的应用 杜衍(中国科学院长春应用化学研究所) /strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "span style="color: rgb(0, 112, 192) "stronga href="https://www.instrument.com.cn//webinar/video_112200.html" target="_self"回放链接/a/strong/span/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "介绍了COVID-19新冠病毒的检测手段、在新冠肺炎攻关项目相关的阶段性进展以及适配体对于靶细胞的识别和检测，同时提出未来适配体检测方面的应用需要把目光投向病毒、细胞、细菌等具有重要检测意义的物质这一观点。阐述动力学竞争的适配体传感器，通过在平衡竞争状态下的互补链替换法和非状态下的动力学竞争法来进行检测，另外基于动力学竞争的适配体比率传感器和无需构型转变的适配体传感器进行了简单的说明。认为POCT检测除了利用电化学的电化学信号和血糖仪的电子信号等分析手段，还需要寻求更有效的信号传导探针和实现基因和血清学检测一体化。/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告十六、如何应对aptamer亲和力测定中的挑战 张玺（应用专家） a href="https://www.instrument.com.cn//webinar/video_112203.html" target="_self" /a/strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "span style="color: rgb(0, 112, 192) "stronga href="https://www.instrument.com.cn//webinar/video_112203.html" target="_self"回放链接/a/strong/span/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "介绍了关于aptamer全球课题组的研究情况：中国拥有全球研究适配体最大规模的团队。分析适配体应用情况：目前可应用到临床的aptamer药物比较少，FDA批准的aptamer的药物仅有一个，很多处于临床阶段，但目前核酸适配体处于快速发展阶段。介绍一些适配体亲和力检测过程中的一些挑战：如何在复杂液体中检测、通量需求等。介绍aptamer用于检测时的优势，与SERS纳米探针亲和力测定检测原理；介绍CRISPR-Cpf RNA识别机制研究的基本情况与实验原理；介绍aptamer在复杂液体中检测靶分子的实验与对比情况。/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告十七、核酸适配体在临床中的应用 罗阳(重庆大学) /strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "span style="color: rgb(0, 112, 192) "stronga href="https://www.instrument.com.cn//webinar/video_112201.html" target="_self"回放链接/a/strong/span/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "介绍了基于适配体检测论文的概况(以荧光检测为主)，适配体与抗体的优缺点以及适配体的应用范围。以及从多篇文献角度讲述现关于适配体的应用：核酸、小分子、蛋白、微生物、细胞、外泌体的检测，并分析了适配体检测的问题、意义、不足，同时阐述了适配体临床应用的局限性、运用前景、和实验室的优势。建立简单、易普及的筛查和检测手段是减少新冠病毒疫情传播的重要手段。然而，目前研发的基于核酸检测产品均受到检测时间的限制，而基于抗原抗体免疫反应的快速检测试剂盒需要制备高特异性的抗体，为突发疫情的及时监测和隔离带来困难。核酸适配体的临床应用能够在时间、成本及特异性上均能够避免上诉缺陷，为疫情的应急检测发挥巨大作用。/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告十八、内置样品处理器件的光谱快检技术 杜一平(华东理工大学) a href="https://www.instrument.com.cn//webinar/video_112198.html" target="_self" /a/strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "span style="color: rgb(0, 112, 192) "stronga href="https://www.instrument.com.cn//webinar/video_112198.html" target="_self"回放链接/a/strong/span/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "碱基胸腺嘧啶(T)与汞离子形成T-Hg2+-T结构，可使标记四甲基罗丹明的SERS探针适配体的拉曼信号显著降低，利用这一特点制备了一种高灵敏、高选择性的汞离子检测探针。主要的研究方向是实用化，将技术投向应用，以光谱快检仪器为例，样品处理装置，光谱分析软件为主。分析了检测容易出现的问题，如何提高灵敏度，选择性。针对低含量样品检测，提出固相萃取光谱分析及其具体做法，和使用的主要仪器：膜固相萃取装置，光纤光谱仪等。用三个例子讲述了这项技术:SPES 光气的检测，膜固相萃取荧光检测苯并比，SPES检测伏马毒素。分析了SPES的优缺点，思考了新冠肺炎检测及合作思路。/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告十九、细胞与分子传感器及其在生物医学中的应用 吴春生(西安交通大学) /strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "介绍了生物传感系统及其发展，讲解嗅觉味觉等基本原理，以及其转到途径；再介绍LAPS单细胞传感器，原理和仪器系统的构架，并结合适配体开发新的传感器，包括分子传感器和DNA传感器。最后希望开发出能检测多种海洋生物毒素的仪器，运用到适配体，达到现场快检的目的。/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告二十、 适配体-有机电化学晶体管（Apatmer-OECT）传感器 冀健龙(太原理工大学) /strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "介绍了适配体-有机电化学晶体管（Apatmer-OECT）传感器，报告详细介绍了OECT与适配体生物传感器，OETC高灵敏度生物传感，OECT器件制备关键问题三个方面；Aptamer常规的传感方法有FRET，CV or EIS，Goldnanoparticles，OECT；介绍了Aptamer常规的传感方法，主要是电化学方法；介绍了电化学方法的基本原理以及一般进行信号放大的方法。/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告二十一、化学修饰核酸适配体用于肿瘤识别和治疗 谈洁（湖南大学）a href="https://www.instrument.com.cn//webinar/video_112197.html" target="_self" /a/strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "span style="color: rgb(255, 0, 0) "stronga href="https://www.instrument.com.cn//webinar/video_112197.html" target="_self"回放链接/a/strong/span/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "介绍了化学修饰核酸适配体用于肿瘤分子识别，实验引入化学修饰丰富核酸适配体的空间构象，核酸适配体设计二茂铁基和三氟甲基修饰核苷酸，硝基修饰人工碱基对化学修饰。研究了化学修饰核酸适配体调控蛋白活性：识别三阴性乳腺癌细胞膜上的整合素α3β1，从而抑制整合素α3β1介导的细胞迁移；自组装化学修饰核酸胶束，核酸二茂铁部分发生芬顿反应改变核酸从疏水变为亲水同时导致胶束尺寸变化，构建尺寸可变的胶束体系同时满足药物在肿瘤边缘的富集和肿瘤中心的渗透，研究了体内评估，表明胶束体系在活体中具有EPR效应，同时具有良好的肿瘤治疗能力。/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "strong报告二十二、新冠病毒的检测现状与核酸适传感器产品化机遇 代昭（天津工业大学） /strong/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "介绍了目前新冠病毒的现状，阐述了核酸检测、抗体检测和抗原检测的各个特点。若能以新冠病毒作为靶标，使用核酸适体开发出荧光生物传感器，则可以极大的简化检测步奏，提高检测准确性。未来的功能化产品方向（1.快筛试剂盒 2.无采样或被动采样可视化检测产品 3.智能警示与防护设备）。/pp style="text-indent: 2em margin-top: 10px margin-bottom: 10px line-height: 1.5em "a href="https://www.instrument.com.cn/webinar/Video/Video/Collection/10509" target="_self" style="color: rgb(255, 0, 0) text-decoration: underline "strongspan style="color: rgb(255, 0, 0) "“核酸适配体在新冠疫情中的应用”网络研讨会精彩视频回放合集。/span/strong/a/p