Small：纳米酶适配体阵列实现高毒力与耐药性金黄色葡萄球菌的预测性识别

金黄色葡萄球菌是临床最重要的人类病原菌之一，也是全球感染相关死亡的重要原因。它既可引起社区中的轻中度皮肤感染，也可在医院环境中导致严重甚至危及生命的感染。更棘手的是，金黄色葡萄球菌不同菌株之间在毒力和耐药性方面差异显著，例如耐甲氧西林金黄色葡萄球菌以及携带更高毒力相关基因的菌株，在治疗策略上往往需要完全不同的判断。因此，在真实临床场景中，医生关注的并不仅仅是“样本中有没有金黄色葡萄球菌”，而更关心“是哪一种菌株”“是否更具毒力”“对常用抗生素是否耐药”。

目前，培养法仍被广泛视为临床金标准，但其检测周期通常以“天”为单位，且需要专业实验室和熟练人员，难以适配快速筛查场景。PCR 等核酸方法在菌株水平检测方面已有明显进展，但依然依赖特定靶标设计、专业设备和较高技术门槛。与之相比，颜色读出型检测因直观、低成本和设备需求低，长期是分析检测领域的重要路线。传统 ELISA 依赖天然酶和抗体，虽然成熟，但天然酶稳定性不足、生产成本较高，抗体也存在批间差异、对温度和 pH 敏感以及开发周期长等问题。因此，寻找更稳定、成本更低、可扩展性更强的新型识别与放大体系，成为推动现场检测与临床分层诊断的关键方向。

纳米酶和适配体正是在这一背景下受到越来越多关注。纳米酶是具有类酶催化活性的无机纳米材料，其中金纳米颗粒因制备成熟、生物相容性好、表面修饰方便、在水相中稳定且具备独特表面等离子体性质而被广泛研究。适配体则是可折叠形成特定三维结构的单链核酸分子，能够像抗体一样高特异性识别目标，但又具有制备方便、成本低、批间一致性好和可逆折叠等优点。将纳米酶的显色催化能力与适配体的分子识别能力结合，可形成一类兼具信号生成和高选择性的传感系统。研究团队此前已发展出一种独特的传感策略：当适配体吸附在金纳米颗粒表面时，颗粒本身的纳米酶活性被抑制；当遇到目标后，适配体因对目标亲和力更强而从颗粒表面脱附，进而使金纳米颗粒恢复纳米酶活性并催化底物显色。

然而，如果仅使用单个适配体-金纳米颗粒探针，那么在面对不同金黄色葡萄球菌菌株时，虽然会有响应，但很难真正实现菌株级分型。因为不同菌株虽然存在差异，却又共享大量表面结构，相同适配体仍可能对多种菌株产生不同程度的交叉识别。因此，本研究没有停留在“一个探针检测一个目标”的思路，而是借鉴阵列传感和模式识别理念，选择了四个能够结合金黄色葡萄球菌不同表面位点的适配体，分别构建为独立的纳米酶探针阵列。研究者认为，当这些探针分别暴露于不同菌株时，适配体从纳米颗粒表面脱附的程度会因菌株表面差异而不同，从而产生一组独特的比色响应模式，也就是“颜色指纹”。再利用无监督和有监督机器学习工具对这些指纹进行分析，就有可能实现菌株识别、毒力判断以及耐药性预测。

如方案1所示，本研究首先从识别层面定义了四个适配体在金黄色葡萄球菌表面的潜在结合位点。它解释了为什么多个适配体组合能够比单个适配体更适合做菌株分型。不同适配体识别细胞表面不同区域，这为后续形成多维度颜色指纹奠定了基础。对于菌株之间仅存在细微表面差异的场景，单一识别元件往往无法稳定放大这种差异，而多适配体阵列则能把差异“拉开”，从而更容易被后续模式识别算法捕捉到。

方案1. 四个适配体分别结合金黄色葡萄球菌细胞表面不同位点的示意图。

如方案2所示，本研究进一步说明了单个适配体-金纳米颗粒探针的工作原理。首先，金纳米颗粒本身具有内在纳米酶活性，能够催化 TMB 在 H₂O₂ 存在下发生氧化并形成显色产物；随后，当特异适配体吸附到金纳米颗粒表面时，其表面被钝化，纳米酶活性下降，探针处于“关闭”状态；如果暴露于非靶标病原体，由于适配体不会显著脱附，因此体系仅产生极弱甚至无颜色响应；而当探针接触到目标金黄色葡萄球菌时，适配体会因与菌体表面结合而从金纳米颗粒表面脱附，颗粒表面恢复活性，重新催化 TMB 氧化并产生明显颜色信号。这个过程构成了本研究阵列探针的基本物理化学逻辑。

方案2. 单个适配体-金纳米颗粒探针检测金黄色葡萄球菌的原理示意图：从金纳米颗粒纳米酶活性开启、适配体钝化表面、非靶标低响应，到目标存在时适配体脱附并恢复纳米酶活性。

在这一原理基础上，本研究提出了真正的阵列识别策略。如方案3所示，多个适配体-金纳米颗粒探针被同时用于检测不同菌株，每个菌株会引起一组不同的颜色变化，最终形成特异性的比色指纹。随后，这些指纹通过机器学习模型进行训练和预测。研究者强调，这种思路与人类通过组合型感知系统辨别复杂风味非常相似。也就是说，传感器本身并不是直接“识别某一个单一分子”，而是通过多个交叉响应通道形成整体模式，再用统计模型去判别不同菌株。对于表面抗原复杂、且存在细微差别的病原菌分型来说，这种方法具有天然优势。

方案3. 基于多适配体-金纳米颗粒探针阵列生成不同金黄色葡萄球菌菌株比色指纹，并利用模式识别算法进行预测识别的示意图。

在实验实现层面，本研究选用了四个针对金黄色葡萄球菌不同表面区域的适配体，即 SA20、SA23、SA31 和 SA43，分别与金纳米颗粒结合形成四个探针通道。完成探针构建后，研究首先验证这些探针是否会对不同金黄色葡萄球菌菌株产生差异化响应。结果显示，当四种探针分别与五种不同菌株接触时，确实会形成不同强度的颜色变化组合，也就是不同菌株拥有不同的比色指纹。如图1所示，在固定细胞数量条件下，不同菌株会使四个探针表现出不同的吸光度变化幅度，说明菌株表面特征差异已经足以影响适配体从颗粒表面脱附的程度。这一结果非常关键，因为它表明阵列并不是仅仅“能检测到金黄色葡萄球菌”，而是已经具备对不同菌株进行区分的基础。

图1. 五种不同金黄色葡萄球菌菌株与四个传感探针孵育后的传感响应。At 和 A0 分别表示加入 TMB 和 H₂O₂ 前后的吸光度读数。

为了确认这种响应具有针对性而非泛化背景反应，本研究还将探针阵列暴露于多种非目标病原体，包括大肠杆菌、单核细胞增生李斯特菌、铜绿假单胞菌、表皮葡萄球菌和无乳链球菌等。结果显示，与金黄色葡萄球菌相比，这些非靶标病原体仅引起极弱响应，说明所选适配体组合对金黄色葡萄球菌具有较高选择性。此外，研究还考察了不同浓度金黄色葡萄球菌对阵列响应的影响，发现从 10² 到 10⁵ 个细胞范围内，探针阵列均可产生可分辨信号，其中在 10² 个细胞时已能观察到初始响应，而从 10³ 个细胞开始，响应已可稳定超过非靶标背景阈值。这意味着该平台不仅具备分型潜力，也具备较低的分析检测下限。

为了验证平台是否能够识别此前未见过的新菌株，本研究又引入了另外两种新的金黄色葡萄球菌菌株，这两种菌株都对甲氧西林耐药，但其中一种携带 pvl 基因，另一种则不携带。结果显示，这两种新菌株同样形成了各自独特的比色指纹。如图2a所示，七种金黄色葡萄球菌菌株在四个探针通道上表现出不同的响应模式；图2b 的 HCA 热图和聚类树进一步显示，聚类仍然优先按 pvl 基因有无进行第一层分组，再按甲氧西林耐药特征进行第二层区分；图2c 的 LDA 结果则形成了七个相互独立的分类簇。也就是说，即使面对训练阶段未完整覆盖的新菌株，阵列传感器依然能够根据其表面响应模式，把它们正确归入“高毒力 MRSA”或“低毒力 MRSA”等相关类别中。

图2. 七种不同金黄色葡萄球菌菌株在缓冲液中的比色指纹及分类结果。（a）七种菌株与四个传感探针孵育后的传感响应，At 和 A0 分别表示加入 TMB 和 H₂O₂ 前后的吸光度读数。（b）利用无监督机器学习工具 HCA 生成的热图和聚类树。（c）利用监督机器学习工具 LDA 生成的判别结果，两个判别函数分别解释 96.75% 和 3.04% 的总方差。（d）留一法交叉验证结果，显示 100% 正确分类。（e）Naïve Bayes 分类器的混淆矩阵，显示各类别的预测准确率，仅在最接近的类别间出现极少数误分配。

在模型稳健性评价上，本研究采用了多层验证框架，而不是仅用一种统计方法支撑结论。首先，jackknife 留一法交叉验证显示 100% 分类准确率，说明模型并不过度依赖某一个样本点，整体特征集具有稳定判别力；其次，基于 1000 次 bootstrap 的 Naïve Bayes 混淆矩阵分析表明，整体正确分类率达到 99.5%，只有极少数最相近类别之间出现不到 1% 的误分配。这意味着，该阵列平台在多次抽样和扰动条件下仍保持高识别准确性，其高性能并不是偶然由某一批数据结构造成的，而是具有较强可重复性的结果。

更进一步，本研究还通过 AIC 分析和 ROC 曲线分析来识别哪些适配体对于哪些菌株最关键。结果显示，SA43 是五种菌株的共同关键预测因子，而 SA31、SA23 和 SA20 也分别在不同数量的菌株中表现出重要作用。这个结果提示，不同菌株的识别并不是平均依赖四个适配体，而是具有“关键通道”差异。这一点与人类嗅觉系统对复杂刺激的识别方式非常相似，即并不是所有感受器对每个目标都同样重要，而是某几个感受器组合决定了最终判别结果。正因如此，作者认为这种传感器是“可训练”的，只要使用合适算法，就能够不断学习并识别新的金黄色葡萄球菌菌株，而不必每次都重新设计整套传感阵列。

为了更接近真实临床环境，本研究又在模拟创面液中验证了传感器性能。结果显示，不同菌株在模拟创面液中的比色指纹与缓冲液中整体相似，但响应更快、强度也更高。研究者推测，这与模拟创面液中的盐成分有助于适配体在脱附后更好折叠为可结合构象有关。进一步的结构预测和热力学分析支持了这一判断：虽然适配体二级结构整体未发生显著变化，但在模拟创面液条件下，适配体的 Gibbs 自由能更有利、熔解温度提高，说明其处于更稳定、更适合结合目标的状态。这意味着，该平台在更接近实际感染微环境的条件下，反而可能表现出更优的检测性能。

如图3所示，七种金黄色葡萄球菌菌株在模拟创面液中的传感响应、聚类和判别结果与缓冲液环境下高度一致。图3a 显示各菌株在模拟创面液中的比色指纹；图3b 的 HCA 结果仍然保留了以 pvl 基因为第一分层、以甲氧西林耐药性为第二分层的分类逻辑；图3c 的 LDA 结果形成七个不重叠独立簇；图3d 的留一法交叉验证再次达到 100% 准确率；图3e 的 Naïve Bayes 混淆矩阵整体正确分类率达到 99.2%。这些结果表明，该平台不仅在理想缓冲液中有效，在更复杂、更真实的模拟生物液环境中同样保持高水平的可预测性和稳健性。

图3. 七种不同金黄色葡萄球菌菌株在模拟创面液中的比色指纹及分类结果。（a）七种菌株与四个传感探针在模拟创面液中的传感响应，At 和 A0 分别表示加入 TMB 和 H₂O₂ 前后的吸光度读数，数据为 8 次独立重复实验的平均值，误差棒表示 ± 标准差。（b）基于 HCA 的热图和聚类树。（c）LDA 判别结果，两个判别函数分别解释 96.74% 和 2.85% 的总方差。（d）留一法交叉验证结果，显示 100% 正确分类。（e）Naïve Bayes 分类器的混淆矩阵，显示类别预测准确率，仅在最接近类别之间出现极少量误分配。

从整项研究的意义来看，这个平台最有价值的地方不只是“比色检测金黄色葡萄球菌”，而是首次展示了一种能够在不预先知道细胞表面所有特定抗原细节的情况下，通过多适配体交叉响应和模式识别，完成菌株级别分型、毒力特征判断和抗生素敏感性预测的思路。传统诊断往往是先检测是否存在，再分别通过多个独立实验去判断毒力和耐药性；而本研究则尝试把这些信息压缩进同一组颜色指纹中，由模型一次性提取。这种“从颜色模式中读取表面表型信息”的方式，对于未来快速筛查和临床分层决策具有明显吸引力。

综上所述，本研究构建了一种基于纳米酶和多适配体阵列的比色传感平台，实现了对不同金黄色葡萄球菌菌株的预测性识别。该平台利用四种适配体与金纳米颗粒构建多个探针通道，通过适配体从纳米颗粒表面脱附程度的差异形成菌株特异性比色指纹，并借助 HCA、LDA、Naïve Bayes、AIC 和 ROC 等多种统计工具完成菌株判别、毒力相关基因状态预测和耐药性判断。无论在缓冲液还是模拟创面液中，平台都表现出优良的分类准确性和稳健性，对新菌株也具有较强预测能力。该研究为菌株级病原识别、毒力和耐药性快速评估提供了新的方法学基础，也展示了阵列传感与机器学习结合在临床预测性诊断中的应用潜力。

论文来源：https://doi.org/10.1002/smll.202512266