表面等离子共振：看不见的光波，摸得着的分子相互作用

提到表面等离子共振（SPR），很多刚入行的同事第一反应是"那个曲线怎么读"。其实原理说穿了不复杂：金属表面（通常是金膜）的等离子体在特定角度的入射光激发下发生共振，反射光强度在这个角度会骤降形成一个"谷"。当你把分子固定在金膜表面，另一头的分析物流过来结合上去，表面折射率变了，共振角就跟着偏移，仪器实时记录这个偏移信号，你就得到了一条结合解离曲线。整个过程不需要标记，实时监测，还能算出结合速率常数、解离速率常数和亲和力。Biacore算是这个领域的标杆仪器了，但SPR技术的应用远不止于实验室里的基础研究——从新药筛选到抗体表征，从疾病诊断到食品安全检测，它几乎渗透到了生命科学和医疗产业的每个角落。下面我们按应用场景一个一个聊。

图：SPR技术多元应用——药物筛选、抗体表征、疾病诊断与食品安全检测四大场景

 

一、药物筛选与优化中的SPR

新药研发最头疼的问题之一就是"这个分子到底跟靶点结合得怎么样"。SPR在这块的作用简直是量身定做的：它不仅能告诉你结合有多强（亲和力KD），还能告诉你结合有多快、解离有多慢（kon和koff），这些动力学参数对判断一个候选药物的质量至关重要。

在碎片分子筛选（FBDD）中SPR的价值尤其突出。碎片分子的分子量小，跟靶点的结合通常比较弱，传统的活性筛选方法经常检测不到。SPR灵敏度足够高，能检测到毫摩尔级别的弱结合，而且消耗的样品量少，特别适合碎片库的高通量筛选。筛选到hit之后，SPR还能指导结构优化——你每次改一个基团，跑一次SPR看看KD是变好了还是变差了，结合构效关系（SAR）的数据就一点点攒出来了。我们组之前做激酶抑制剂的时候，每个衍生物都会上SPR测一轮动力学，那些解离速率特别慢的化合物往往是成药性最好的。

在先导化合物优化阶段，SPR还有一个重要用途是排除假阳性。有些化合物不是特异性结合靶点，而是通过聚集物或者疏水作用非特异地"粘"在芯片表面，SPR的传感曲线特征能帮你识别这些干扰信号。另外，SPR可以做竞争实验：先固定已知配体，然后用你的化合物去竞争，看能不能把已知配体挤下来，这样就能知道你的化合物结合在同一个位点还是别的位点。

现在比较流行的做法是SPR结合分子对接和分子动力学模拟，形成一条完整的药物开发流程。分子对接提供结合构象的假设，MD模拟验证复合物的稳定性，SPR则给出实验层面的结合数据来验证和修正计算预测，三者互相校准，命中率比纯计算或者纯实验都高。

二、抗体药物表征的关键应用

抗体药物这些年是生物药里增长最快的品类，而SPR在抗体表征里的地位基本上是不可替代的。从早期筛选到最终成药，几乎每个关键节点都离不开它。

首先是结合动力学和亲和力测定，这是最基础也是最重要的表征项目。你把抗原固定在芯片上，抗体流过去，SPR实时记录结合和解离过程，拟合出kon、koff和KD。监管机构（FDA和EMA）对抗体药物的报批材料里，SPR测定的亲和力数据基本是标配。跟ELISA比，SPR最大的优势是不需要标记、不需要洗板、实时监测，而且能拿到完整的动力学曲线而不是一个终点信号。

表位定位是另一个重要应用。你拿到了一批候选抗体，想知道它们结合的是抗原上的同一个表位还是不同表位，做个表位binning实验就行了。具体做法是先用第一个抗体饱和抗原，再加入第二个抗体看有没有结合信号——如果有说明两个抗体结合不重叠的表位，如果没有说明它们竞争同一个或相近的表位。这个信息对于抗体配对（比如双特异性抗体开发或者诊断试剂的抗体对筛选）非常关键。

特异性和交叉反应性也需要SPR来把关。抗体药物最怕的就是脱靶结合，把SPR的芯片上铺一排同源蛋白或者其他靶点蛋白，看你的抗体会不会"乱认亲戚"。对于PD-1/PD-L1这类免疫检查点抗体，家族成员之间序列相似度高，交叉反应的排除尤其重要。另外，生物类似药的开发也需要用SPR跟原研药做全面的动力学比对，KD差异太大的话基本就别往下走了。

比较前沿的方向是用SPR研究抗体Fc段跟Fc受体之间的相互作用，这跟抗体的ADCC和CDC效应功能直接相关，对理解抗体药物的作用机制和优化效应功能有实际指导意义。

三、疾病标志物检测新策略

SPR做诊断这块的逻辑跟做药物筛选不太一样：药物筛选是已知靶点找药物，诊断是已知标志物去找它在样本里有多少。传统SPR的灵敏度在nM到pM级别，对于很多疾病标志物来说够用，但有些低丰度标志物需要更灵敏的方案。

直接检测法的思路最简单：把捕获抗体固定在芯片上，血清或者血浆样本流过去，标志物被捕获后SPR信号变化就反映了浓度。但血清里蛋白成分复杂，基质效应严重，直接测往往信噪比不理想。所以实际操作中常采用三明治法——再加一个检测抗体来放大信号和提高特异性，或者引入信号放大策略，比如用金纳米颗粒或者酶促反应来放大SPR响应。经过信号放大之后，检测限可以推到fM级别，足以覆盖大多数临床标志物的浓度范围。

SPR生物传感器在即时检测（POCT）领域的潜力也很大。传统的Biacore这类大型仪器适合中心实验室，但小型化、便携化的SPR设备已经可以做得很紧凑，成本也在下降。想象一下在社区诊所或者床旁就能测心脏标志物（比如肌钙蛋白）或者炎症标志物，十几分钟出结果，不用等中心实验室的报告，这对急诊和基层医疗的价值不言而喻。

多指标联检是另一个趋势。在一张芯片上固定多种标志物的捕获抗体，一份样本同时检测多个指标，对肿瘤早期筛查特别有意义——单一标志物的灵敏度和特异性往往不够，多个标志物联合检测的诊断效能会显著提升。SPR平台的多通道设计天然适合做这种多路复用检测。

四、蛋白-蛋白相互作用研究

蛋白质-蛋白质相互作用（PPI）是生命科学里最基础也最重要的问题之一。细胞里的几乎每个生理过程——信号转导、基因调控、代谢通路、免疫应答——本质上都是一堆蛋白在那儿互相结合和解离。SPR研究PPI有几个独到的优势。

首先是真实、实时。传统研究PPI的方法比如酵母双杂交或者co-IP，要么是在细胞内做的可能会有假阳性，要么是终点检测看不到过程。SPR在体外重建这个互作，你能看到结合和解离的完整时间进程，由此算出的动力学参数比单纯的亲和力数值信息量大得多。两个蛋白亲和力一样但动力学差异巨大的情况很常见——一个结合快解离也快的"来去匆匆"型和一个结合慢解离也慢的"一旦结合就赖着不走"型，在生物学意义上完全不同。

竞争实验和别构调控研究也是SPR的强项。你想知道某个小分子是不是通过结合蛋白A的某个口袋来干扰蛋白A和蛋白B的互作，可以先用SPR建立A-B的结合基线，然后加入小分子看结合信号怎么变。如果小分子结合在界面附近，你会看到B的结合被竞争掉了；如果小分子结合在远处但通过构象变化影响了界面，你会看到亲和力改变但不是因为直接竞争——这种区别用SPR的动力学数据可以判断出来。

除了蛋白-蛋白互作，SPR同样适用于蛋白-核酸互作的研究。转录因子和DNA调控元件的结合、RNA结合蛋白和靶RNA的结合，都可以用SPR来定量表征。把DNA或RNA固定在芯片上有个技巧——用生物素-链霉亲和素系统固定5'端生物素标记的核酸，方向和密度都好控制，再生条件也比较温和，芯片能反复用很多次。

对膜蛋白互作的研究一直是个难点，因为膜蛋白需要保持脂质环境才有功能。近年来有人开发了把膜蛋白整合到脂质体或纳米盘中再固定到SPR芯片上的方法，算是在这个方向上迈出了一大步。

五、食品安全快速检测前景

食品安全检测听起来跟SPR好像不搭界，但实际上SPR在这个领域的应用拓展速度相当快。食品检测的核心需求是快速、灵敏、现场可操作，SPR的小型化设备正好能对接上这些需求。

过敏原检测是一个很典型的应用场景。食品中花生蛋白、牛奶酪蛋白、麸质等过敏原的痕量残留对过敏人群是实打实的健康威胁，现行方法主要是ELISA和PCR，但ELISA耗时较长，PCR需要提取DNA而且对加工食品中变性的蛋白检测能力有限。SPR可以直接检测蛋白层面的过敏原，几十分钟内出结果，而且不需要复杂的样品前处理。把针对不同过敏原的抗体固定在多通道芯片上，一份食品提取液同时筛查好几种过敏原，效率远超传统方法。

病原体检测是另一个大方向。沙门氏菌、大肠杆菌O157:H7、李斯特菌这些食源性致病菌的检测传统上靠培养法，先增菌再划板鉴定，前后要好几天的等待时间。SPR结合免疫捕获的方法可以在几个小时内给出结果：用抗体直接捕获细菌或者细菌分泌的毒素蛋白，检测限可以做到每毫升几十到几百个菌细胞的水平。如果能配合前端的免疫磁珠富集步骤，灵敏度还能再上一个台阶。

真菌毒素和农药残留也是SPR可以发力的方向。黄曲霉毒素、赭曲霉毒素这些小分子毒素本身分子量小、直接检测信号弱，需要用竞争法——固定毒素的类似物在芯片上，样本里的毒素和芯片上的竞争结合有限的抗体。这种间接检测虽然比直接法复杂一些，但灵敏度足够满足食品安全标准的限值要求。

便携式SPR设备在海关口岸、食品加工厂、农贸市场这些场景下的应用前景非常广阔。一台手提箱大小的设备，配几块预制好的芯片，现场取样现场测，不用把样品送回实验室等几天。随着设备成本的下降和芯片批量制备工艺的成熟，SPR在食品安全领域的推广速度应该会越来越快。

SPR技术从最初的纯基础研究工具，一步步拓展到了药物研发、临床诊断和食品安全等众多应用领域。它最大的魅力在于"无标记、实时、定量"这三个特性叠加在一起带来的独特优势——你不需要给分子挂上荧光标签或者酶标签，不用担心标签干扰了本来的结合行为，仪器忠实地记录下每一步结合和解离的动力学过程。随着便携化设备的发展和多学科交叉融合（比如SPR结合分子对接和MD模拟的全流程药物开发方案），这项技术的应用边界还在不断扩展。对于做生命科学和生物医药的人来说，SPR已经从一项可选技术变成了几乎绕不开的标配手段。