神经递质是大脑中的关键化学信使。它们控制神经元之间的通信、神经回路的活动，并最终影响行为和疾病（Bade等人，2024年；Ou等人，2019年）。它们的水平在几毫秒内迅速变化，并且在微小的距离内变化，通常发生在受限的细胞外空间或神经元的特定部分（Liu等人，2025年）。为了理解大脑回路如何处理信息或神经疾病如何发展，我们需要能够高精度、高选择性和高速度地追踪这些快速化学变化的工具。
尽管微透析、电化学传感器和荧光探针等方法有了很大改进（Boisselier等人，2024年），但在活体大脑中实时测量神经递质仍然很困难（Zhang等人，2023年；Liu等人，2018年）。通常，主要瓶颈不是检测器本身，而是分子识别元件——即探针中首先与神经递质结合的部分（Feng等人，2024年；Zhou等人，2024年）。
大多数传统探针使用简单的识别策略。例如，一些探针依赖于电极上的氧化反应、酶催化转化为可检测产物，或者不可逆的化学反应来改变荧光。虽然在受控环境中这些方法很有用，但在真实的生物环境中存在问题。首先，它们往往缺乏选择性——很难区分相似的分子，如不同的儿茶酚胺或氨基酸（Kagiampaki等人，2023年）。其次，许多探针反应缓慢且不可逆，不适合追踪快速、重复的神经递质释放（Feng等人，2019年；Vogt，2019年）。第三，它们可能不够稳定，无法在大脑中长期使用，因为生物污染、降解或局部化学变化可能会影响其性能（Park JW等人，2018年）。这些问题突显了一个核心观点：识别元件的设计及其与信号输出的连接方式决定了我们能够测量什么。
最近，新型的分子识别架构开始改变这一状况（Mei等人，2022年；Zhao等人，2025a）。研究人员不再使用静态的“锁钥”设计，而是构建集成系统。这些系统将识别单元（如适配体、合成配体或工程化蛋白质）与信号转导模块和读数平台结合在一起。这些组件共同提高了选择性，将响应时间缩短到毫秒级别（Lin等人，2021年），增强了信号质量，并实现了活体组织中的动态测量。在设计理念上，该领域正从固定识别转向可编程的动态传感（Hu等人，2022年；Stuber和Nakatsuka，2024年）。信号读数也在发展——从简单的开/关信号发展到使用强度、比率、寿命或电化学数据的多路输出（Hu等人，2023年）。因此，这些新工具不仅用于实验室实验，还用于活体动物（Chen等人，2023年）。
这些工作提供了关于各种模式下设备架构和分子设计的宝贵概述。然而，相对较少关注的是一个跨领域的、以机制为导向的框架，该框架将不同的分子识别架构置于一个共同的性能空间中。特别是，系统地比较受受体启发的结合位点、反应驱动的探针、构象门控系统以及主客体或受限的超分子复合物，根据共同的指标——（i）分子选择性，（ii）响应速度，（iii）信号报告机制，以及（iv）体内稳定性和兼容性——仍然缺失。
在这篇综述中，我们通过明确关注其分子识别架构来探讨小分子神经递质探针的发展。我们不是按检测模式组织探针，而是根据统一的一组性能标准来比较受受体启发的结合位点、反应驱动的设计、构象开关、超分子宿主和可编程核酸架构。后续部分讨论了这些识别结构如何与不同的读数方案接口，以及它们如何被设计为具有体内稳定性。通过围绕识别架构及其内在权衡来阐述最近的进展，我们旨在为下一代用于研究神经递质信号传导和大脑功能的工具提供以化学为中心的设计指南。
