1 背景与问题提出
核酸适配体（Aptamer）是通过指数富集配体系统进化（SELEX）技术从随机寡核苷酸文库中筛选获得的单链DNA或RNA，能够通过折叠形成特定的三维空间结构与靶标分子实现高亲和力特异性结合，被业内称为"化学抗体"。其分子量仅为8-25 kDa，具有热稳定性强、免疫原性低、化学修饰便利等突出优势。
然而，核酸适配体文库筛选的成功率仅为30%左右，传统SELEX流程中存在的几大技术瓶颈长期制约着该技术的广泛应用：
(1) 文库复杂度与测序深度的失配。 随机文库的多样性高达4^N（N为随机区长度），典型的文库含10¹³-10¹⁸种独立序列，而传统克隆测序每次仅能分析20-100条序列。这种量级差异导致大量低频但高亲和力的序列无法被捕获。
(2) PCR偏向性引入的系统误差。 多轮PCR扩增过程中，GC含量不同、二级结构稳定的序列会被优先扩增，导致文库多样性逐步丢失。
(3) 缺乏标准化的数据筛选法则。 即使获得了NGS测序数据，如何从上万条序列中高效甄别真正的候选适配体，仍缺乏统一的算法框架。
2 技术方案分析
2.1 NGS赋能文库测序
近5年，NGS凭借高通量、低成本的优势，全面接管了适配体文库的测序环节。目前主流的NGS平台（如Illumina、华大智造BGI等）能够在单次运行中对文库中超过10,000条独立序列进行测序。这意味着筛选流程可以在文库富集度较低的早期轮次就进行测序分析，从而将所需筛选轮次显著减少。
数据分析管线通常包括：
- 序列去重与计数统计
- 各轮次富集倍数（Enrichment Fold）计算
- 序列聚类与保守基序识别
- 二级结构预测与稳定性评估
2.2 计算机辅助筛选策略
人工智能和分子对接技术的引入，为候选适配体的筛选提供了全新的技术路线：
- 机器学习模型：利用已知适配体序列库训练分类器，预测新序列与特定靶标的结合概率；
- 分子对接模拟：在三维结构已知的靶标上模拟适配体-靶标复合物的空间构型和自由能变化；
- 结构导向文库设计：引入有利于G四链体、发卡等优势结构的随机区域设计模式，提升文库的整体筛选效率。
2.3 代表性SELEX方法比较
近5年涌现的SELEX变体方法各有侧重：
| 年份 | 方法名 | 核心创新点 |
|---|---|---|
| 2019 | MCP-SELEX | 磁交联沉淀，快速筛选 |
| 2020 | FluCell-SELEX | 实时监测筛选过程 |
| 2021 | REase-SELEX | 酶切辅助提高特异性 |
| 2022 | 直接筛选L-适配体 | 提升核酸酶稳定性 |
| 2023 | 微生理系统SELEX | 体外模拟体内微环境，多目标并行筛选 |
3 解决方案与实施路径
针对上述问题，当前研究共识推荐的优化策略如下：
(1) 文库设计的智能优化。 采用结构化随机区域设计，偏好形成优势二级结构（如茎环、G四链体）的序列组成，从源头提升文库质量。
(2) NGS测序的早期介入。 在第4-6轮筛选即引入NGS测序分析，利用富集倍数和序列频率数据指导候选序列选择，而非等待文库高度富集。
(3) 计算机辅助候选序列筛选。 对NGS测序获得的序列进行二级结构预测、分子对接打分，构建候选序列优先级排序，减少后续实验验证的工作量。
(4) 多方法联用的交叉验证。 结合荧光法、表面等离子体共振（SPR）、微量热泳动（MST）等多种技术进行亲和力测定，确保候选适配体的可靠性。
4 实施效果与数据验证
采用上述优化方案的筛选结果令人振奋：
- 效率提升：针对蛋白质靶标的适配体筛选轮次从传统的12-20轮降至6-10轮（如EAA适配体仅用9轮筛选）；
- 亲和力数据：通过优化的核酸适配体文库筛选流程获得的适配体，其KD值普遍在个位数纳摩尔至低微摩尔范围内；
- 特异性表现：针对变形假单胞菌的5个适配体，特异性是非目标菌的10倍以上；
- 通量优势：GO-SELEX结合NGS分析，可在6-12轮内完成小分子靶标的适配体筛选。
5 结语
NGS与AI的协同应用正在将核酸适配体文库筛选带入一个高通量、高精度、高效率的新阶段。对于从事生物传感器、分子诊断和靶向递送研究的技术人员而言，掌握这一全链路的技术架构，将成为提升研发竞争力的重要抓手。
参考文献：
1 贾海静, 高亚菁, 娄新徽. 核酸适配体筛选与亲和力评价技术主要研究方向、进展与挑战J. 生物化学与生物物理进展, 2023.
2 郑李婷, 杨歌, 屈锋. 外泌体的核酸适配体筛选技术研究进展J. 分析化学, 2025.
3 张鑫娜, 黄智勇, 彭瑞资. 核酸适配体在分子医学中的应用J. 生物化学与生物物理进展, 2023.