框架核酸高通量检测芯片

doi:10.7503/cjcu20220563

高等学校化学学报 ›› 2023, Vol. 44 ›› Issue (2): 20220563.doi: 10.7503/cjcu20220563

框架核酸高通量检测芯片

宋璐¹^,²^,³, 张舒阳³, 王丽华¹, 左小磊³, 李敏³()

^1.中国科学院上海应用物理研究所物理生物学实验室, 中国科学院界面物理与技术重点实验室, 上海 201800
^2.中国科学院大学, 北京 100049
^3.上海交通大学医学院分子医学研究院, 上海市核酸化学与纳米医学重点实验室, 上海 200127

收稿日期:2022-08-23 出版日期:2023-02-10 发布日期:2022-10-13
通讯作者: 李敏 E-mail:limin2021@sjtu.edu.cn
作者简介:第一联系人：共同第一作者.
基金资助:
国家重点研发计划项目(2021YFF1200300);国家自然科学基金(21904086)

High-throughput Biological Microarrays Based on Framework Nucleic Acids

SONG Lu¹^,²^,³, ZHANG Shuyang³, WANG Lihua¹, ZUO Xiaolei³, LI Min³()

^1.Division of Physical Biology，CAS Key Laboratory of Interfacial Physics and Technology，Shanghai Institute of Applied Physics，Chinese Academy of Sciences，Shanghai 201800，China
^2.University of Chinese Academy of Sciences，Beijing 100049，China
^3.Institute of Molecular Medicine，Shanghai Key Laboratory for Nucleic Acid Chemistry and Nanomedicine，School of Medicine，Shanghai Jiao Tong University，Shanghai 200127，China

Received:2022-08-23 Online:2023-02-10 Published:2022-10-13
Contact: LI Min E-mail:limin2021@sjtu.edu.cn
Supported by:
the National Key Research and Development Program of China(2021YFF1200300);the National Natural Science Foundation of China(21904086)

摘要/Abstract

摘要：

构建了一种基于框架核酸的高通量生物检测芯片. 利用超微量移液自动化平台, 将包含框架核酸探针的液滴按照预设命令固定至生物芯片微阵列上, 在探针捕获核酸靶标后利用集成的基因芯片扫描仪对芯片进行成像, 通过分析荧光强度定量化分析靶标浓度. 结果表明, 此框架核酸芯片能够实现框架核酸探针的高通量制备, 24 h即可制备具有15万个点的微阵列, 且点间距离的相对偏差W≤10%、荧光强度的变异系数CV=3.30%, 具有较高的稳定性, 远高于国家标准. 此外, 该芯片具备高灵敏度、可寻址的高通量生物分析能力, 对核酸靶标的检测限可达100 pmol/L. 随着多种探针技术的发展, 生物检测微阵列技术在高通量生物分析领域展示出巨大的潜力.

关键词: 高通量检测, 框架核酸, 核酸靶标, 生物微阵列芯片

Abstract:

A high-throughput biological microarray based on framework nucleic acid（FNA） was constructed. Using an automated ultra-micro pipetting platform， the droplets containing FNAs-based probes were fabricated onto the glass substrates according to the pre-defined commands. After the targets were captured by the probes， the micro- arrays were scanned by the integrated gene chip scanner， the results of which could be further used for the quantifi- cation of target concentration. It was found that the FNA probes could be prepared with high throughput on the bio- logical microarrays， and the microarrays with 150000 spots can be prepared within 24 h. Moreover， the relative deviation（W） of distance between the points is less than 10%， and the coefficient of variation（CV） of fluorescence intensity is 3.30%. The properties of each spot on the microarrays were stable， which is much higher than the national standard. Additionally， we demonstrated that the FNA-based microarray possessed high addressability， high sen- sitivity and high-throughput capabilities. The limit of detection for nucleic acid target was down to 100 pmol/L. With the progress of various probe technologies， the microarray platform shows great potential for bioanalysis.

Key words: High-throughput detection, Framework nucleic acid, Nucleic acid target, Biological microarray

中图分类号:

O657

TrendMD:

宋璐, 张舒阳, 王丽华, 左小磊, 李敏. 框架核酸高通量检测芯片. 高等学校化学学报, 2023, 44(2): 20220563.

SONG Lu, ZHANG Shuyang, WANG Lihua, ZUO Xiaolei, LI Min. High-throughput Biological Microarrays Based on Framework Nucleic Acids. Chem. J. Chinese Universities, 2023, 44(2): 20220563.

图/表 6

Table 1 Sequences of DNA

Name	Sequence（5'—3'）
A17⁃Cy3	ACATTCCTAAGTCTGAAACATTACAGCTTGCTACACGAGAAGAGCCGCCATAGTATTAGGTCGCATCAACATCAGTCTGATAAGCTATGCGACCT⁃Cy3
A17⁃ssDNA	CATCTTGCCTAAAAAAAAAAACATTCCTAAGTCTGAAACATTACAGCTTGCTACACGAGAAGAGCCGCCATAGTA
B17	NH₂⁃TATCACCAGGCAGTTGACAGTGTAGCAAGCTGTAATAGATGCGAGGGTCCAATAC
C17	NH₂⁃TCAACTGCCTGGTGATAAAACGACACTACGTGGGAATCTACTATGGCGGCTCTTC
D17	NH₂⁃TTCAGACTTAGGAATGTGCTTCCCACGTAGTGTCGTTTGTATTGGACCCTCGCAT
ss⁃Control	NH₂⁃AAAAAAAAAATCCGTTCTAC
Com⁃A17	TTTTTTTTTTAGGCAAGATG⁃Cy3

Fig.1 Schematic illustration of high⁃throughput microarray detection platform

Fig.2 Formation of FNA probes

Fig.3 Assembly of probes onto microarray platform（A） The microarray image of framework nucleic acid-based probes；（B） the linear relationship between time and spots number；（C） the initialization flowchart of the pipetting automation platform.

Fig.4 Performance of high⁃throughput nucleic acids detection platform（A） The fluorescence intensity of 100 spots；（B） the even-distributed fluorescence intensity of randomly selected 10 spots；（C） the row distance between the adjacent spots；（D） the column distance between the adjacent spots.

Fig.5 Performance of FNAs⁃based probe microarrays for targets sensing（A） Comparison of framework nucleic acids-based detection platform with ssDNA-based detection platform；（B） framework nucleic acid-based microarrays for the targets assay. The concentration of targets ranged from 100 pmol/L to 1 μmol/L.

参考文献 36

1	Zhao S. L.， Chen H.， Quant. Biol.， 2020， 8（1）， 11—19
2	Bhargava A.， Infect.， Genet. Evol.， 2021， 87， 104657
3	Emam M.， Oweda M.， Antunes A.， El⁃Hadidi M.， Virus Res.， 2021， 302， 198472
4	Qin S. M.， Liu S. Y.， Zhu Y.， Lv M.， Nucl. Sci. Tech.， 2022， 45（3）， 030502
5	Gut I. G.， Hum. Mutat.， 2001， 17（6）， 475—492
6	Collins F. S.， Morgan M.， Patrinos A.， Science， 2003， 300（5617）， 286—290
7	Carter L. J.， Garner L. V.， Smoot J. W.， Li Y.， Zhou Q.， Saveson C. J.， Sasso J. M.， Gregg A. C.， Soares D. J.， Beskid T. R.， Jervey S. R.， Liu C.， ACS Cent. Sci.， 2020， 6（5）， 591—605
8	Iglói Z.， Leven M.， Abdel⁃Karem Abou⁃Nouar Z.， Weller B.， Matheeussen V.， Coppens J.， Koopmans M.， Molenkamp R.， J. Clin. Virol.， 2020， 129， 104510
9	Waller J. V.， Kaur P.， Tucker A.， Lin K. K.， Diaz M. J.， Henry T. S.， Hope M.， AJR， Am. J. Roentgenol.， 2020， 215（4）， 834—838
10	Sule W. F.， Oluwayelu D. O.， Pan Afr. Med. J.， 2020， 35， 121
11	Teymouri M.， Mollazadeh S.， Mortazavi H.， Naderi Ghale⁃Noie Z.， Keyvani V.， Aghababaei F.， Hamblin M. R.， Abbaszadeh⁃Goudarzi G.， Pourghadamyari H.， Hashemian S. M. R.， Mirzaei H.， Pathol. Res. Pract.， 2021， 221， 153443
12	Mak G. C. K， Cheng P. K. C.， Lau S. S. Y.， Wong K. K. Y.， Lau C. S， Lam E. T. K.， Chan R. C. W.， Tsang D. N. C.， J. Clin. Virol.， 2020 ， 129， 104500
13	Wen J. L.， Chen J. H.， Zhang L.， Zhou S. G.， Biosens. Bioeletron.， 2017， 90（15）， 481—486
14	Peng Y.， Pan Y. H.， Sun Z. W.， Li J. L.， Yi Y. X.， Yang J.， Li G. X.， Biosens. Bioeletron.， 2021， 186（15）， 113309
15	Yoshikawa A. M.， Wan L.， Zheng L.， Eisenstein M.， Soh H. T.， Proc. Natl. Acad. Sci. USA， 2022， 119（12）， e2119945119
16	Dong Z. Z.， Xue X. Y.， Liang H. L.， Guan J. J.， Chang L. Q.， Anal. Chem.， 2021， 93（4）， 1855—1865
17	Pregibon D. C.， Toner M.， Doyle P. S.， Science， 2007， 315（5817）， 1393—1396
18	Liu G.， Lao R. J.， Xu L.， Xu Q.， Li L. Y.， Zhang M.， Song S. P.， Fan C. H.， Biosens. Bioelectron.， 2013， 42， 516—521
19	Li Z. H.， Zhao B.， Wang D. F.， Wen Y. L.， Liu G.， Dong H. Q.， Song S. P.， Fan C. H.， ACS Appl. Mater. Interfaces， 2014， 6（20）， 17944—17953
20	Quispe⁃Tintaya W.， Gorbacheva T.， Lee M.， Makhortov S.， Popov V. N.， Vijg J.， Maslov A. Y.， Nat. Methods， 2016， 13（7）， 584—586
21	Datlinger P.， Rendeiro AF.， Boenke T.， Senekowitsch M.， Krausgruber T.， Barreca D.， Bock C.， Nat. Methods， 2021， 18（6）， 635—642
22	Chen S.， Lake B. B.， Zhang K.， Nat. Biotechnol.， 2019， 37（12）， 1452—1457
23	Zheng W. S.， Zhao S. J.， Yin Y. H.， Zhang H. D.， Needham D. M.， Evans E. D.， Dai C. L.， Lu P. J.， Alm E. J.， Weitz D. A.， Science， 2022， 376（6597）， eabm1483
24	Massey D. J.， Koren A.， Nat. Commun.， 2022， 13（1）， 2402
25	Aynaud M. M.， Hernandez J. J.， Barutcu S.， Braunschweig U.， Chan K.， Pearson J. D.， Trcka D.， Prosser S. L.， Kim J.， Rodiles M. B.， Jen M.， Song S. Y.， Shen J.， Bruce C.， Hazlett B.， Poutanen S.， Attisano L.， Bremner R.， Blencowe B. J.， Mazzulli T.， Han H.， Pelletier L.， Wrana J. L.， Nat. Commun.， 2021， 12（1）， 1405
26	Zhao H. P.， Ma J. L.， Zuo X. L.， Li F.， Chin. J. Chem.， 2021， 39，1745—1752
27	Costa J. A.， Dentinger P. M.， McGall G. H.， Crnogorac F.， Zhou W.， ACS Appl. Mater. Interfaces， 2019， 11（34）， 30534—30541
28	Huang Q. L.， Chen J.， Li J.， Zhu Y.， Wang L. H.， Nucl. Sci. Tech.， 2021， 44（7）， 53—58
29	Li F. Q.， Mao X. H.， Li F.， Li M.， Shen J. L.， Ge Z. L.， Fan C. H.， Zuo X. L.， J. Am. Chem. Soc.， 2020， 142（22）， 9975—9981
30	Li M.， Yin F. F.， Song L.， Mao X. H.， Li F.， Fan C. H.， Zuo X. L.， Xia Q.， Chem. Rev.， 2021， 121（17）， 10469—10558
31	Song L.， Zhuge Y.， Zuo X. L.， Li M.， Wang F.， Adv. Sci.， 2022， 9， 2200327
32	Lin M. H.， Song P.， Zhou G. B.， Zuo X. L.， Aldalbahi A.， Lou X. D.， Shi J. Y.， Fan C. H.， Nat. Protoc.， 2016， 11， 1244—1263
33	Li F.， Li J.， Dong B. J.， Wang F.， Fan C. H.， Zuo X. L.， Chem. Soc. Rev.， 2021， 50， 5650—5667
34	Lin M. H.， Wang J. J.， Zhou G. B.， Wang J. B.， Wu N.， Lu J. X.， Gao J. M.， Chen X. Q.， Shi J. Y.， Zuo X. L.， Fan C. H.， Angew. Chem. Int. Ed.， 2015， 54（7）， 2151—2155
35	Wen J. L.， Chen J. H.， Zhuang L.， Zhou S. G.， Biosens. Bioeletron.， 2017， 90， 481—486
36	Oudeng G.， Benz M.， Popova A. A.， Zhang Y.， Yi C. Q.， Levkin P. A.， Yang M.， ACS Appl. Mater. Interfaces， 2020， 12， 55614—55623

框架核酸高通量检测芯片

High-throughput Biological Microarrays Based on Framework Nucleic Acids

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 36

相关文章 1

编辑推荐

Metrics

本文评价