液滴分选技术介绍

针对目前已开发出的不同的微流控筛选设备，根据检测信号的不同将其分为标记与无标记液滴分选技术。

标记液滴分选技术

标记液滴分选技术通常不直接依据所测定的细胞或酶分子的特征进行分选，而是借助引入化学分子或荧光探针来间接实现分选。

这些技术主要包括依赖于荧光信号的荧光激活液滴分选（FADS）和基于紫外/可见光吸收变化的吸光度激活液滴分选（AADS）。

荧光激活的液滴分选技术

荧光激活液滴分选（FADS）是当前主流的微流控筛选技术之一，其核心是通过设计不同的荧光探针或酶级联反应，将目标酶基因型与荧光信号直接或间接耦联，因而具有较高的灵敏度。

与荧光激活细胞分选（FACS）原理类似，FADS相比最大的优势在于可以针对细胞内、细胞表面、分泌至细胞外的信号及无细胞体系进行分选。

配置高速相机使其能够实现分选的实时可视化。

FADS与其他液滴分选技术相比的另一个优势是其高达每秒5000个液滴的处理通量。

已成功应用于脂肪酶、酯酶、纤维素酶、淀粉酶、聚合酶等酶分子的改造。

然而，其挑战在于需要定制荧光探针以及面对某些酶或小分子靶向物缺乏有效的生物标记物和耦联策略，同时荧光探针必须在液滴内保持不扩散，限制了其广泛应用。

为了克服FADS的限制，还开发了其他类型的液滴分选技术，例如基于吸光度、质量和拉曼等不同激活方式的液滴分选技术。

吸光度激活的液滴分选技术

吸收光谱法广泛应用于比色测定、蛋白质定量和酶动力学等领域。

近年来，科研人员将吸收光谱法与微流控技术结合，开发出了吸光度激活液滴分选技术（AADS），与荧光激活液滴分选技术（FADS）形成互补。

与FADS相比，AADS的挑战在于吸光率与路径长度成正比，因此液滴的小体积（pL）和短光路长度（μm）会影响检测的灵敏度。

理论上讲，AADS可能具有更高的应用潜力，因为大多数小分子在紫外线和可见光区域均有吸收特性，相比之下，它更具普适性。

无标记的液滴分选技术

无标记液滴分选技术利用检测到的反应、化合物或细胞本身的物理或化学变化来实现信号的检测和分选，无需添加额外的化学分子。

目前已开发出了结合质谱技术、拉曼光谱、核磁共振、电化学和图像分析等技术的无标记分选方法。然而，这些方法通常需要耦合不同的技术和特殊的设备。

质量激活的液滴分选技术

质谱（MS）作为一种无标记的检测技术，已经成为广泛应用的分析工具。

传统的液相色谱-质谱法（LC/MS）由于色谱分离而耗时，并且需要相对较大的样品体积，这使得其在高通量筛选（HTS）中成本过高。

相比之下，质量激活液滴分选技术（MADS）将微流控技术与质谱的优势结合，具备高灵敏性、高选择性、低成本、同时分析多种产物等优点。

尽管基于MS的液滴分选方法已被证明具有可行性，并且有更多改进方法逐渐被开发出来，但在处理过程中液滴的损失限制了其在液滴分选中的应用。

拉曼激活的液滴分选技术

拉曼光谱利用激光与样品相互作用时产生的化学键振动和旋转来获取分子信息，已广泛应用于物理、生物、化学、工业和医药等领域。

拉曼激活的液滴分选技术（RADS）是一种无标记、无损伤的单细胞识别与分析技术，将单细胞拉曼光谱（SCRS）与液滴微流控技术结合。

该技术通过介电单细胞捕获释放和电磁阀吸吮技术，在高速流动状态下捕获单细胞，并实现拉曼光谱采集、释放和分选。

然而，该技术的主要缺陷是易受油相和液滴中光学畸变的影响，未使用表面增强技术时灵敏度较低，因此在处理复杂基质时应用受限。

理论上，RADS适用于各类细胞，具有广泛的应用前景。

然而，目前基于拉曼光谱的应用仍需具备高拉曼强度和大的细胞散射截面。在应用于小型细胞如大肠杆菌时，需要额外的优化。

核磁共振激活的液滴分选技术

核磁共振激活的液滴分选技术（NMR-ADS）与MADS相比，不仅是一种无标记分选技术，还是无损伤的分选方法。NMR能够同时识别和量化复杂混合物中的数百种化合物，具有无与伦比的化学特异性。

将NMR与微流控技术结合具有巨大吸引力，但也面临较大挑战。从NMR的角度来看，一类具有挑战性的关键元件是导电结构。

金属电极虽然可用于电化学样品相互作用，但可能导致NMR光谱和信噪比（SNR）严重退化。在微观尺度上，这些问题更加复杂，因为畸变体积在样品中所占比例更大。

此外，与其他检测方法相比，NMR的检测灵敏度较低（小于1mmol/L）。针对这些限制，已开发出核磁微线圈，但将微线圈与小样本进行对接仍面临挑战。

电化学激活的液滴分选技术

电化学检测同样是一种无标记、无损伤的检测方法，适用于复杂样品的分析。

然而，由于电极表面尺寸的限制（必须小于液滴的尺寸），液滴的尺寸通常只能控制在纳升级别。

基于图像分析的液滴分选技术

基于图像分析的液滴分选技术（IBDS）是一种无标记的分选技术，通过识别、处理和分析液滴内细胞的形态特征来实现。

近年来，该方法在细胞生物学领域越来越受欢迎，部分原因是图像处理算法的改进、接口速度的提升以及处理硬件性能的进步。