重磅消息：SPARK-seq来了
2026年1月，中国科学院杭州医学研究所在官方渠道发布了一项重大成果——SPARK-seq平台。这是全球首个将单细胞分辨率与高通量测序深度融合的核酸适体筛选与分析平台。
该平台由谭蔚泓院士团队主导研发，标志着核酸适配体（Aptamer）筛选技术从"盲筛时代"迈入"精准设计时代"。
技术核心：SPARK-seq解决了什么问题？
传统SELEX的三大瓶颈
筛选周期长：经典SELEX需8–15轮循环，每轮耗时1–2天，全程需数周；
序列信息丢失：富集过程中的"中间态"高亲和力序列可能因PCR偏差而遗失；
动力学信息缺失：无法同时获得结合动力学（Kon/Koff）数据，难以区分高亲和力与高选择性。
SPARK-seq的核心突破
| 维度 | 传统SELEX | SPARK-seq |
|---|---|---|
| 筛选轮次 | 8–15轮 | 1–3轮 |
| 单轮数据处理量 | 有限 | 数十万条序列并行测序 |
| 结合动力学（Kon/Koff） | 无 | 可获得每条序列的Kd值 |
| 单细胞分辨率 | 无 | 有（可区分同批次中的高/中/低亲和力亚群） |
| 适配体性质预测 | 需后续实验验证 | AI辅助筛选时同步预测 |
技术原理简析
SPARK-seq的工作流程可概括为三步：
Step 1：连合测序
将随机寡核苷酸文库与荧光标记的靶标蛋白孵育。通过微流控单细胞分选，将单个"适配体-靶标"复合物分入独立微孔。
Step 2：并行富集
每个微孔内独立进行PCR扩增，同时通过荧光共振能量转移（FRET）或荧光偏振（FP）追踪实时结合信号，获取每条序列的结合动力学参数。
Step 3：AI分析
高通量测序后，利用AI算法预测适配体的二级结构、Kd值及选择性。最终输出top候选序列，并提供其折叠结构与结合模式预测图。
应用前景
药物递送领域
SPARK-seq筛选出的高亲和力适配体可直接发展为适配体-药物偶联物（ApDC） 的靶向顺件，省去传统SELEX后的大量优化工作。谭蔚泓团队此前发表的Sgc8c-M（靶向PTK7的ApDC）即为印证。
诊断检测
快速筛选SARS-CoV-2、流感病毒等多种病毒抗原的适配体，开发低成本、高灵敏度的居家检测工具。
小分子毒素检测
筛选手黄曲霉毒素B1、微囊藻毒素等小分子的适配体，替代传统抗体检测方法。
对化学服务行业的影响
SPARK-seq对定制合成行业释放了一个明确信号：适配体的筛选效率正在指数级提升，后续对以下化学品/试剂的定制需求将大幅增长：
功能化硫代磷酸亚磷酰胺单体（用于适配体修饰）；
适配体-小分子偶联Payload（细胞毒素、荧光团等）；
连接子化学中间体（可切割腙键、二硫键连接子）；
生物正交反应试剂（DBCO、TCO、四嗪功能小分子）。
SPARK-seq平台的出现，有望在3–5年内推动适配体药物进入批量临床开发阶段。这对上游化学合成服务商的产能弹性、纯度控制能力和修饰化学品覆盖率提出了更高要求。纳孚生物已提前布局适配体相关化学中间体的定制合成能力，为下游需求爆发做好准备。
参考
中国科学院官网新闻（2026年1月2日）：《高通量核酸适体筛选与动力学分析平台成功开发》。
