利用具有天然漆酶活性的氧化银纳米粒子对卡苏加霉素(kasugamycin)进行比色检测

时间:2026年2月17日
来源:Food Chemistry

编辑推荐:

纳米酶传感器检测卡苏甘霉素的研究

广告
   X   

拉马丹·阿里 | 阿卜杜拉·H·阿尔哈比 | 穆阿特·H·阿拉特维 | 法伊萨尔·M·阿尔巴拉维 | 艾亚斯·M·阿尔巴拉维 | 阿卜杜勒拉赫曼·H·阿拉赫马迪 | 纳瓦夫·M·阿拉纳齐 | 阿卜杜拉·M·胡马迪 | 阿卜杜勒拉赫曼·Z·A·阿尔巴拉维 | 穆罕默德·M·埃尔-韦基尔
沙特阿拉伯塔布克大学药学院药物化学系,塔布克71491

摘要

尽管基于纳米酶的抑制检测方法正在逐渐发展,但它们主要局限于结构上兼容的酚类抗生素目标。在这项研究中,我们首次报道了一种用于检测卡舒加霉素(KAS)的比色传感器——卡舒加霉素是一种高度亲水的非酚类氨基糖苷类抗生素,由于其复杂的理化性质,传统上难以通过光学方法检测。在这里,我们改造了氧化银纳米颗粒(Ag₂O NPs)使其能够作为强大的漆酶模拟物。关键在于,我们利用它们的催化行为开发了一种前所未有的基于抑制的检测机制来检测KAS。该传感器通过KAS在纳米酶表面的强选择性和吸附作用来定量抑制其催化活性,从而实现了超灵敏的检测,即使在复杂的食品基质中也能达到2.8 nM的检测限。我们的方法标志着基于纳米酶的检测技术从以酚类物质为中心的模式向检测非酚类分析物的转变,为识别其他难以检测的抗生素残留物建立了一种广泛适用的策略。

引言

微生物农药正成为综合害虫管理的关键组成部分,特别是在日益关注合成农用化学品对环境和健康风险的情况下。由于微生物农药的毒性较低且生态足迹小,它们对非目标生物体的风险较低,并且生物积累潜力有限(Montesinos, 2003; Zhang et al., 2023)。生物技术的进步显著提高了它们的效力、稳定性和作用范围,增强了它们的成本效益和环境适应性。除了抑制害虫外,微生物农药还有助于土壤健康、促进植物生长,并支持抗性管理策略,进一步突显了它们在可持续农业系统中的作用(Wheeler, 2002; Mahmoud et al., 2024a)。其中,卡舒加霉素(KAS)是一种从微生物发酵中提取的氨基糖苷类抗生素,在亚洲农业中广泛用于控制稻瘟病等病原体(Kaberdina et al., 2009; Tanaka et al., 1966)。它通过干扰mRNA翻译来抑制蛋白质合成,从而有效阻止病原体的生长(Fan et al., 2017)。由于其显著的亲水性和两性性质,KAS表现出复杂的离子化行为,这显著影响了其生物利用度和分析检测性。此外,其主要是脂肪族骨架且缺乏长链共轭结构,使其在紫外/可见光区域几乎不吸收,无法通过常规分光光度技术直接定量(Sheu, Chen, & Lo, 2010)。这些理化限制凸显了迫切需要先进且高灵敏度的分析平台——特别是光学方法——以便在农业和环境基质中可靠地检测KAS残留物。
卡舒加霉素残留物通常使用高效液相色谱(HPLC)或毛细管电泳(CE)进行定量分析,通常结合210 nm处的紫外(UV)检测(Wang et al., 2017; Zhang et al., 2018)。虽然HPLC和CE方法易于获取且常规使用,但它们的灵敏度有限且容易受到基质干扰的影响,这会大大影响痕量KAS的定量准确性。为了解决这些问题,液相色谱-串联质谱(LC–MS/MS)已成为一种优选的替代方法,它在复杂的农业和环境基质中提供了更高的选择性和灵敏度(Mahnashi et al., 2021; El-Wekil et al., 2018)。然而,这种仪器成本较高,需要受过高度训练的人员,并且往往不适用于常规监测——尤其是在资源有限或现场环境中。这些限制凸显了迫切需要低成本、快速且高度选择性的替代传感平台,以便在复杂基质中检测KAS。
光学传感技术提供了一个有吸引力的解决方案,具有快速响应时间、操作简便以及优异的灵敏度和选择性。它们的经济性、便携性和与比色或荧光读数的兼容性使其特别适合用于食品安全监测和环境监测(Alhazzani et al., 2023; Mahmoud et al., 2023; Mohamed et al., 2023)。迄今为止,尽管卡舒加霉素在农业中广泛使用并且与食品安全法规相关,但尚未有报道过用于其定量检测的比色方法。这一分析空白促使我们开发了一种简单、快速且高度选择性的比色检测方法,专门用于检测KAS。我们的方法克服了传统色谱和质谱技术的关键限制,提供了一种经济高效、用户友好的替代方案,特别适合在复杂的农业和环境基质中进行现场监测。
漆酶是一种天然存在的多铜氧化酶,在植物、真菌、细菌和昆虫中广泛分布,在木质素降解、色素生物合成和解毒途径中起关键作用(Ren et al., 2015)。作为绿色生物催化剂,漆酶利用分子氧作为最终电子受体,催化多种酚类和非酚类底物(包括对苯二酚)氧化成反应性醌中间体。这些醌随后可以发生自聚或亲核偶联反应,形成可从中轻易去除的不溶性聚合物产物(Koyappayil, Kim, & Lee, 2021; Riva, 2013)。由于其卓越的催化多样性、广泛的底物特异性和环境友好性,漆酶已被广泛应用于食品加工、环境修复、生物传感以及纺织和造纸等行业。最近,它还在生物燃料生产和纳米材料合成等新兴领域发挥作用(Zeng, Qin, & Xia, 2017; Moreno et al., 2020; Saastamoinen et al., 2012)。这种多功能性突显了漆酶作为传统化学催化剂的可持续替代品的潜力,特别是在绿色化学和环境监测方面。然而,天然漆酶的广泛应用受到一些内在缺点的限制,包括操作稳定性差、产率低、纯化成本高以及大规模提取的复杂性。为了克服这些限制,人们致力于开发基于铜的漆酶模拟物,如Cu–ATP复合物,旨在复制天然酶的催化性能,同时提高稳定性和可扩展性(Huang et al., 2019; Wang et al., 2019)。尽管这些合成类似物表现出催化活性,但它们的复杂配位环境和配体不稳定性常常影响其可重复性、可扩展性和长期适用性。此外,大多数报道的模拟物仅对含有酚羟基的底物具有选择性,从而限制了它们的检测范围和实际应用范围。这些限制凸显了开发下一代漆酶模拟材料的迫切需求,这些材料不仅在结构上稳定且易于合成,还能催化更广泛的分析物。这样的系统将在环境监测、绿色催化和生物传感方面带来重大进展,提供可扩展、经济高效且可靠的替代品,超越天然酶和第一代合成模拟物。
在过去三年中,开发了几种先进的纳米酶系统,进一步展示了漆酶和氧化酶模拟物的多样性和催化潜力。例如,吴等人报道了一种基于单原子铁的多孔纳米酶,具有明确的Fe-N配位结构,表现出出色的过氧化物酶样活性。该系统成功集成到了基于智能手机的比色传感器阵列中,能够区分人工催熟的水果和自然成熟的水果(Wu et al., 2025)。同时,牛等人开发了一种基于单原子铜的漆酶模拟纳米酶(CuN₄–G),其中孤立的Cu–N₄位点固定在氮掺杂的碳上,作为类似酶的活性中心。该系统能够在皮摩尔浓度下电化学检测愈创木酚,并同时催化其在果汁中的降解。值得注意的是,这种纳米酶的米氏常数(Kₘ)与天然漆酶相当,但最大反应速率(Vₘₐₓ)显著更高,表明其催化效率更高(Niu et al., 2023)。这些单原子铁和铜纳米酶表明,精确的配位工程和电子结构调节可以显著增强内在的氧化酶和漆酶样活性及其对酚类底物的分析性能。尽管取得了这些进展,大多数报道的漆酶模拟纳米酶仍然依赖于基于铜的活性中心,主要针对酚类分析物(如环境酚类、酚类神经递质或异味化合物),从而限制了它们的应用范围。
总之,本研究证明了多面体Ag₂O纳米颗粒是一种稳健的、非铜基的漆酶模拟纳米酶。更重要的是,它展示了其在超灵敏比色传感平台中的新应用,用于检测卡舒加霉素——一种难以分析的非酚类氨基糖苷类抗生素。传感器的卓越性能归因于一种选择性的抑制催化机制,这一机制通过表面相互作用分析和自由基清除实验得到了系统的阐明。除了特定检测KAS外,这项工作还提出了一个更广泛的概念性进展:它为检测传统光学方法难以检测的非酚类抗生素提供了一种通用策略。通过将重点从传统的酚类目标转移到更具挑战性的分析物上,我们的发现扩展了纳米酶在分析科学中的功能领域。因此,这项工作为开发下一代简单、经济高效且可在现场使用的传感器铺平了道路,适用于更广泛的环境和临床重要分子。

材料与仪器

卡舒加霉素(KAS)、2,4-二氯酚(2,4-DP,98.8%)、Amplex Red、4-氨基安替比林(4-AAP)、辣根过氧化物酶(HRP)、抗坏血酸、葡萄糖、L-半胱氨酸、L-酪氨酸、没食子酸、克拉霉素、阿莫西林、万古霉素、链霉素、四环素、卡马西平、青霉素G、对苯二甲酸、过氧化氢(H₂O₂)、硝酸银(AgNO₃)、儿茶酚、对硝基酚、3-氨基酚、酚、双酚A、氨、氢氧化钠、盐酸、单氢

表征

扫描电子显微镜(SEM)和透射电子显微镜(TEM)分析显示,Ag₂O NPs具有明确的多面体形态,尺寸范围为165至240 nm,平均直径为185 ± 1.3 nm(图1A–C)。狭窄的尺寸分布和均匀的几何特征表明在合成过程中采用了受控的成核生长机制,这是实现可重复催化和传感行为的关键因素。

结论

总之,本研究成功证明了多面体Ag₂O纳米颗粒是一种稳健的、非铜基的漆酶纳米酶,可用于构建超灵敏的卡舒加霉素比色传感器。该平台具有出色的分析性能,检测限为2.8 nM,线性范围广泛(0.01–500 μM),能够在复杂的食品基质(如肉类、黄瓜和牛奶)中可靠地定量卡舒加霉素。机制研究提供了关键见解,揭示了...

CRediT作者贡献声明

拉马丹·阿里:软件、资源、调查、资金获取、正式分析、数据管理。阿卜杜拉·H·阿尔哈比:资源、项目管理、方法学、资金获取、正式分析。穆阿特·H·阿拉特维:项目管理、方法学、资金获取、正式分析。法伊萨尔·M·阿尔巴拉维:资源、方法学、资金获取、正式分析。艾亚斯·M·阿尔巴拉维:项目管理、方法学、调查、数据管理、概念化。

未引用的参考文献

Alhazzani et al., 2026
Alsharif, Ali and El-Wekil, 2025
Cheng, Kwan and Lo, 2011
El-Wekil, Mahmoud, Alkahtani, Marzouk and Ali, 2018
Koyappayil, Kim and Lee, 2021
Mahmoud et al., 2024
Mahmoud, Alqahtani, Al-qarni, Ali and El-Wekil, 2024
Niu, Wu, Wu, Guan and Wang, n.d
Sheu, Chen and Lo, 2010
Zeng, Qin and Xia, 2017
Zhan, Tang, Liu, Tao and Wu, 2022

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。

生物通微信公众号
微信
新浪微博


生物通 版权所有