■本报记者 胡珉琦

细胞表面蛋白是细胞的“门户”和“通信接口”，承载了约60%的药物靶点和疾病标志物。而核酸适体如同一把把精准匹配的“钥匙”，在浩如烟海的膜蛋白质组中锁定了这些靶点和标志物。

核酸适体的识别能力可与抗体相媲美。不同的是，它们可在体外筛选并规模化合成，也更易于工程化改造，因此在疾病诊断、药物递送和精准医学领域潜力巨大。但到目前为止，核酸适体始终面临依赖传统“经验筛选”的技术瓶颈。

由中国科学院杭州医学研究所（以下简称杭州医学所）谭蔚泓院士团队与吴芩研究员团队合作开发的SPARK-seq平台，重新定义了核酸适体的筛选与分析范式。这项被业内称为“革命性突破”的技术成果1月1日发表于《科学》。

一个精妙的构思

用传统筛选方法寻找高性能核酸适体，往往要先筛出上万把候选“钥匙”，再耗时数月甚至数年去验证它们到底对准了哪把“锁”。在这个过程中，许多关键靶点的表达量极低，且一旦离开活细胞就会“变样”，导致研发效率低、误差大，大量临床价值极高的靶点长期处于“隐身”状态。

“传统方法如同大海捞针，99%的潜在有效序列被浪费。”论文第一作者、杭州医学所博士后罗国焰解释。

2021年底，长期从事核酸适体研究的谭蔚泓首次提出一个想法：用核酸适体将高通量基因测序的巨大能力转变为对细胞膜表面蛋白的分子认知能力。有意思的是，在接下来的几个月中，当时还在读博的罗国焰和吴芩在没有任何交集的情况下，同时想到了一个实现方法——融合CRISPR基因扰动与单细胞测序技术。于是，两个团队花了3年时间合作构建了一个全新高通量技术平台SPARK-seq。

SPARK-seq 的核心围绕了一个精妙的构思：如果在同一个细胞里，既能敲掉靶点，又能实时读取分子的反应，会发生什么？

在实现过程中，CRISPR基因编辑技术扮演着“靶向扰动者”的角色。研究人员通过CRISPR技术敲除细胞中的特定膜蛋白，相当于把细胞表面的某把“锁”拿掉。如果某条核酸适体确实依赖该蛋白结合，那么在蛋白被敲除的细胞中，它的结合信号会显著下降，从而明确两者的因果关系；单细胞测序技术则像“信息整合者”，能在单个细胞中同时读取3条关键信息：“谁被剪掉了”“细胞变了吗”“谁结合上去了”。

这些技术的融合，让靶点的确认从“经验推测”变成了“直观可见”的数字信号。

数字化精准筛选

研究团队利用SPARK-seq平台，对13种膜蛋白进行了多重CRISPR敲除实验，并结合单细胞测序分析了约8500个高质量细胞。结果共鉴定出1906个适体家族、5535条特异结合序列，并精准锁定了8种肿瘤关键膜蛋白的特异性探针。

这些数据背后意味着什么？

“这意味着我们不仅得到了‘几条好序列’，而且在一次实验中构建了一个规模化、结构化的核酸适体结合靶蛋白的资源图谱。”罗国焰说。

在发现维度上，SPARK-seq首次实现了对常规质谱难以触达的低丰度膜蛋白的系统性覆盖，使得大量处于“盲区”的肿瘤微量标志物进入视野。此外，这个平台可以提供多种动力学层级的候选核酸适体，特别是发现了解离慢的分子更适合成像与递送。

罗国焰告诉《中国科学报》，对成像探针和递送分子来说，重点不是“能不能结合”，而是“结合后能停留多久”。他打了个比方，如果把靶点看作车站，探针看作列车，‘解离慢’意味着列车能在站台停更久，乘客（成像信号或药物）有更多时间上下车——这会直接提升信号持续性、靶向富集效率，并减少对高剂量的依赖。这也使得未来的药物与成像探针开发，从单纯的“识别”进化为对“有效作用时间”的精准控制。

值得一提的是，为进一步提升筛选效率，研究团队自主研发了SPARTA深度学习框架，通过人工智能（AI）驱动适体变体生成与预测，目前已经达到了97%的核酸识别探针预测准确率。

SPARTA的核心不是“凭空设计”，而是基于SPARK-seq产生的标签训练数据学习规律：哪些序列更可能与某一靶点结合、哪些序列可能具有更优的动力学表现。在掌握某个家族的序列分布与关键基序后，AI模型可以生成与该家族统计规律一致的变体序列。随后通过实验筛选与动力学测定闭环验证，实现“AI提出候选—实验验证—再迭代优化”的循环。

“对我们来说，AI的价值在于把‘设计空间’从少量人工改造拓展为系统化探索，同时用数据驱动的方式提高命中率与迭代效率。”罗国焰表示。

为个体化治疗提供支持

鉴于巨大的应用潜力，核酸适体在科研领域已经比较成熟。但目前，在更广泛的临床治疗应用上始终受到研发链条与验证成本的限制。

罗国焰认为，SPARK-seq的意义在于把“筛选—靶点鉴定—候选优化”的关键步骤并行化、体系化，理论上有助于减少反复试错、缩短靶点确认周期，以前需要一年完成的工作，现在可能只需要一个月。同时，它能提高“可用候选”的产出效率，从而降低总体研发成本。

从短期看，SPARK-seq首先可以应用于肿瘤诊断、分子成像和科研级探针开发。其次，它适用于所有和正常细胞有差异表达的细胞群。除肿瘤外，它同样可以应用在免疫疾病、感染相关受体研究、神经退行性疾病中。

面向未来，SPARK-seq还能为个体化治疗提供有效支持。罗国焰解释，SPARK-seq提供的是一种可规模化的分子识别能力，能在不同细胞状态、不同基因背景、不同表面靶标组合下，快速获得匹配的核酸适体工具。因此，如果与患者样本的表型分层、单细胞图谱以及靶点验证体系相结合，它有潜力支撑面向特定亚型/特定靶点组合的探针与递送配体开发，从而为个体化诊断与治疗决策提供更丰富的分子工具箱。

相关论文信息：

https://doi.org/10.1126/science.adv6127