粒子研究论文

1 引 言 磁性纳米粒子是近年来发展起来的一种新型材料，因其具有独特的磁学特性，如超顺磁性和高矫顽力，在生物分离和检测领域展现了广阔的应用前景[1]。同时，因磁性氧化铁纳米粒子具有小尺寸效应、良好的磁导向性、生物相容性、生物降解性和活性功能基团等特点[2～4]， 在核磁共振成像、靶向药物、酶的固定、免疫测定等生物医学领域表现出潜在的应用前景[5～7]。但由于其较高的比表面积，强烈的聚集倾向，所以通常对其表面进行修饰，降低粒子的表面，能得到分散性好、多功能的磁性纳米粒子。对磁性纳米粒子的表面进行特定修饰，如果在修饰后的粒子上引入靶向剂、药物分子、抗体、荧光素等多种生物分子，可以改善其分散稳定性和生物相容性， 以实现特定的生物医学应用。此外，适当的表面修饰或表面功能化还可以调节磁性纳米粒子表面的反应活性[8]，从而使其应用在细胞分离、蛋白质纯化、核酸分离和生物检测等领域。本文介绍了磁性氧化铁纳米粒子的制备方法， 比较了各种制备方法的优缺点，并对其在生物分离及检测中应用的最新进展进行了评述。2 磁性氧化铁纳米粒子的合成方法 磁性纳米粒子的制备是其应用的基础。目前已发展了多种合成和制备方法，如共沉淀法、水热合成法、溶胶凝胶法和微乳液法等，上述方法均可制备高分散、粒度分布均匀的纳米粒子，并能方便地对其表面进行化学修饰，这些方法的优点和缺点见表1。 在这些合成方法当中，共沉淀法是水相合成氧化铁纳米粒子最常用的方法。该方法制备的磁性纳米颗粒具有粒径小，分散均匀，高度生物相容性等优点，但制得的颗粒存在形状不规则，结晶差等缺点。通过在反应体系中加入柠檬酸，可得到形状规则、分散性好的纳米粒子。利用这种方法合成的磁性纳米材料被广泛应用在生物化学及生物医学等领域[9]。微乳液法制备纳米粒子，产物均匀、单分散，可长期保持稳定，通过控制胶束、结构、极性等，可望从分子规模来控制粒子的大小、结构、特异性等。微乳液合成的磁性纳米粒子仅溶于有机溶剂，其应用受到限制。通常需要在磁性纳米粒子的表面修饰上亲水分子，使其溶于水，从而能应用于生物、医学等领域。 热分解法是有机相合成氧化铁纳米粒子最多也是最稳定的方法。利用热分解法制备的纳米Fe3O4颗粒产物具有好的单分散性，且呈疏水性，可以长期稳定地分散于非极性有机溶剂中。该方法合成的氧化铁纳米粒子虽然具有粒径均一的特点，但必须在其表面偶联亲水性及生物相容性好的生物分子或制备成核壳结构，才可用于生物医学领域。表1 磁性氧化铁纳米粒子的制备方法（略）此外，绿色化学和生物方法合成氧化铁纳米粒子也备受关注[28,29]。磁性氧化铁纳米粒子除具有的表面效应、小尺寸效应、量子效应、宏观量子隧道效应等纳米粒子基本特性外，它同时还具有超顺磁特性、类酶催化特性和生物相容性等特殊性质，因此在医学和生物技术领域中的应用引起了人们的广泛兴趣。 3 磁性氧化铁纳米材料在生物分离与生物检测的应用 磁性氧化铁纳米材料在生物分离的应用 磁性氧化铁纳米粒子可以通过外界磁场来控制纳米粒子的磁性能，从而达到分离的目的，如细胞分离[30，31]、蛋白分离[32] 和核酸分离[33]等。此外磁性氧化铁纳米粒子由于兼有纳米、磁学和类酶催化活性等性能，不仅能够实现被检测物的分离和富集，而且能够使检测信号放大，在生物分析领域也都具有很好的应用前景[34，35]。磁性纳米粒子（MNP）能够应用于这些领域主要基于它的表面化学修饰，包括非聚合物有机固定、聚合物有机固定、无机分子固定及靶向配体修饰等[36]（图1）。纳米粒子表面功能化修饰是目前研究的热点。 磁性氧化铁纳米材料在细胞分离方面的应用 细胞分离技术的目的是快速获得所需目标细胞。传统细胞分离技术主要根据细胞的大小、形态以及密度的差异进行分离，如采用微滤、超滤以及超离心等方法。这些方法操作简单，但是特异性差，而且存在纯度不高、制备量偏小、影响细胞活性等缺点，因此未能被广泛地用于细胞的纯化研究[37]。近年来，随着对磁性纳米粒子研究的深入，人们开始利用磁性纳米粒子来分离细胞[38,39]。如磁性氧化铁纳米粒子在其表面接上具有生物活性的吸附剂或配体（如抗体、荧光物质、外源凝结素等），利用它们与目标细胞的特异性结合，在外加磁场的作用下将细胞分离、分类以及对其种类、数量分布进行研究。张春明等[40]运用化学连接方法将单克隆抗体CD133连接到SiO2/Fe3O4复合粒子的表面得到免疫磁性Fe3O4纳米粒子，利用它分离出单核细胞和CD133细胞。经培养后可以看出，分离出来的CD133细胞与单核细胞一样，具有很好的活性，能够正常增殖形成集落，并且在整个分离过程中对细胞的形态以及活性没有明显的毒副作用，这与Kuhara等[30]]报道的采用磁分离技术分离CD19+和CD20+细胞的结果一致。Chatterjee等[39]采用外源凝结素分别修饰聚苯乙烯包被的磁性Fe3O4微球和白蛋白磁性微球，利用凝结素与红细胞良好的结合能力，快速、高效的分离了红细胞。此外，磁性粒子在分离癌细胞和正常细胞方面的动物实验也已获得成功。 磁性氧化铁纳米材料在蛋白质和核酸分离中的应用 利用传统的生物学技术（如溶剂萃取技术等）来分离蛋白质和核酸程序非常繁杂，而磁分离技术是分离蛋白、核酸及其他生物分子便捷而有效的方法。目前在外磁场作用下，超顺磁性氧化铁纳米粒子已广泛应用于蛋白质和核酸的分离。 Liu等[41]利用聚乙烯醇等表面活性剂存在下制备出共聚磁性高分子微球，表面用乙二胺修饰后用于分离鼠腹水抗体，得到很好的分离效果。Xu等[42]在磁性氧化铁纳米粒子表面偶联多巴胺分子，用于多种蛋白质的分离纯化。多巴胺分子具有二齿烯二醇配体，它可以与氧化铁纳米粒子表面配位不饱和的Fe原子配位，形成纳米颗粒多巴胺复合物，此复合物可以进一步偶联次氨基三乙酸分子（NTA），NTA分子可特异螯合Ni＋，对于具有6×His标签的蛋白质的分离纯化方面表现出很高的专一性。Liu等[43]用硅烷偶联剂（AEAPS）对核壳结构的SiO2/Fe2O3复合粒子的表面进行处理，研究复合磁性粒子对牛血清白蛋白（BSA）的吸附情况，结果表明BSA与磁性复合粒子之间是通过化学键作用被吸附的，复合粒子对BSA的最大吸附量达86 mg/g，显示出在白蛋白的分离和固定上有很大的应用潜力。Herdt等[44]利用羧基修饰的吸附/解离速度快的核壳型（Fe3O4/PAA）磁性纳米颗粒与Cu2+亚氨基二乙酸（IDA）共价交联，通过Cu2+与组氨酸较强的亲和能力实现了组氨酸标记蛋白的选择性分离，分离过程如图2所示。 磁性纳米粒子也是核酸分子分离的理想载体[45]。DNA/mRNA含有单一碱基错位，它们的富集和分离在人类疾病诊断学、基因表达研究方面有着至关重要的作用。Zhao等[46]合成了一种磁性纳米基因捕获器，用于富集、分离、检测痕量的DNA/mRNA分子。这种材料以磁性纳米粒子为核，包覆一层具有生物相容性的SiO2保护层，表面再偶联抗生素蛋白维生素H分子作为DNA分子的探针，可以将10－15 mol/L DNA/mRNA有效地富集，并能实时监控产物。Tayor等[47]用硅酸钠水解法、正硅酸乙酯水解法制备SiO2/Fe2O3磁性纳米粒子并对DNA进行了分离。结果表明，SiO2功能化的Fe2O3磁性纳米粒子对DNA的吸附分离效果明显好于单独Fe2O3磁性纳米粒子的分离效果，但是其吸附机理有待进一步研究。 磁性氧化铁纳米材料在生物检测中的应用 基于磁学性能的生物检测磁性氧化铁纳米粒子因其特有的磁导向性、小尺寸效应及其偶联基团的活性，兼有分离和富集地作用，使其在生物检测领域有广泛的应用。当检测目标为低含量的蛋白分子时，不能通过聚合酶链反应（PCR）对其信号进行放大，而磁微球与有机染料或量子点荧光微球结合可以对某些特异性蛋白、细胞因子、抗原和核酸等进行多元化检测，实现信号放大的作用。Yang等[48]采用一对分子探针分别连接荧光光学条码（彩色）和磁珠（棕色），对DNA（顶端镶板）和蛋白质（底截镶板）生物分子进行目标分析（图3）。如果目标DNA序列或蛋白存在，它将与两个磁珠结合一起，形成了一个三明治结构，经过磁选，光学条码可以在单磁珠识别目标水平下，通过分光光度计或是在流式细胞仪读出。通过此方法检测目标分子是基于数百万个荧光基团组成的微米尺寸光学条码信号的扩增而检测出来，其基因和蛋白的检出限可达到amol/L量级，甚至更低。 Nam等［49］利用多孔微粒法（每个微粒可填充大量条形码DNA）和金纳米微粒为基础的比色法生物条形码检测技术检测了人白细胞介素2（IL2），检出限可达到30 amol/L，比普通的酶联免疫分析技术的灵敏度高3个数量级。Oh等 [50]利用荧光为基础的生物条形码放大方法检测了前列腺特异性抗原（PSA）的水平，其检出限也低于300 amol/L，而且实现了快速检测。 在免疫检测中，磁性纳米粒子作为抗体的固相载体，粒子上的抗体与特性抗原结合，形成抗原抗体复合物，在磁力作用下，使特异性抗原与其它物质分离，克服了放免和酶联免疫测定方法的缺点。这种分离具有灵敏度高、检测速度快、特异性高、重复性好等优点。Yang等[51]通过反相微乳液法制备了粒径很小的SiO2包覆的Fe3O4磁性纳米粒子，生物分子通过诱导这些高单分散的磁性纳米粒子可用于酶的固定和免疫检测。Lange等[52]采用直接或三明治固相免疫法（生物素基化抗IgG抗体和共轭连接链霉素的磁性纳米粒子组成三明治结构）和超导量子干涉法（SQUID），研究它们在确定抗原、抗体相互作用免疫检测中的应用，结果表明特异性键合的磁性纳米颗粒的驰豫信号大小依赖于抗原（人免疫球蛋白G，IgG）的用量，这种磁弛豫(Magnetic relaxation)免疫检测方法得到的结果与广泛使用的ELISA方法的结果相当。 因磁性纳米粒子独特的性能，在生物传感器上也有潜在的应用前景。Fan等［53］在磁珠上偶联被检测物的一级抗体，在金纳米颗粒上连接二级抗体，两者反应后，利用HClNaClBr2将Au氧化为Au3+，催化发光胺（Luminol）化学发光，人免疫球蛋白G（IgG）的检出限可达2 × 10－10 mol/L ，实现了磁性纳米颗粒化学发光免疫结合的方法对IgG进行生物传感分析（图4）。 类酶催化特性在生物检测中的应用 Cao等[54]发现Fe3O4磁性纳米粒子能够催化H2O2氧化3,3',5,5'四甲基联苯胺（TMB）、3,3'二氨基联苯胺四盐酸盐（DAB）和邻苯二胺（OPD），使其发生显色反应，具有类辣根过氧化物酶（HRP）活性（图5），而且其催化活性比相同浓度的辣根过氧化物酶高40倍。并且Fe3O4磁性纳米粒子可以运用磁分离手段进行重复性利用，显著降低了生物检测的实验成本，利用此特性可进行多种生物分子的检测。 利用葡萄糖氧化酶（GOx）与Fe3O4磁性纳米粒子催化葡萄糖的反应(见式（1）和(2))，通过比色法检测葡萄糖，其检测的灵敏度达到5×10－5 ～ 1×10－3 mol/L 。由于Fe3O4磁性纳米粒子制备简单、稳定性好、活性高，成本低，因而比普通酶更有竞争优势，这也为葡萄糖的检测提供了高灵敏度和选择性的分析方法，在生物传感领域的应用上展现了巨大的潜能，为糖尿病人疾病的诊断提供了快速、灵敏的检测方法。然而要提高检测灵敏度，合成催化效率高的Fe3O4磁性纳米粒子及多功能磁性纳米粒子是关键。Peng等[56]用电化学方法比较了不同尺寸Fe3O4纳米粒子的催化活性发现，随着尺寸的变小，磁性纳米粒子的催化活性变高。Wang等[57]制备的单分散哑铃型PtFe3O4纳米粒子，由于本身尺寸和结构特点，可更大限度地提高催化活性。本研究组已经合成了分散性好和磁性高的氧化铁纳米粒子并对其进行了表征，利用其磁学和催化特性，已开展了葡萄糖等生物分子的检测，该方法的检出限达到1 μmol/L，具有灵敏度高、操作简便和成本低等优点[58]。总之，Fe3O4磁性氧化铁纳米粒子不但具有显著的超顺磁性，而且具有类辣根过氧化物酶催化特性，可通过使用过氧化物敏感染料，设计了一系列（如乙肝病毒表面抗原等）的免疫检测模型[59]，因此超顺磁性纳米粒子在生物分离和免疫检测领域具有广阔的应用前景。4 结 语 随着纳米技术的迅速发展，磁性氧化铁纳米粒子的开发及其在生物医学、生物分析、生物检测等领域的潜在应用已经越来越受到重视，但同时也面临很多挑战和问题。（1）构建并制备尺寸小、粒径均一、分散性和生物相容性好及催化性能高的多功能磁性纳米粒子；（2）根据被检测生物分子的特点设计多功能磁性氧化铁纳米粒子，实现高灵敏度、特异性检测；（3）利用纳米氧化铁颗粒作为分子探针进行实时、在线、原位、活体和细胞内生物分子的检测。这些问题不仅是纳米材料在生物分子检测领域应用需要解决的难点，也是目前其进行生物分子检测研究的热点和重点。【参考文献】 1 Perez J M, Simeone F J, Saeki, Y, Josephson L, Weissleder R. J. Am. Chem. Soc., 2003, 125(34): 10192～101932 Kim G J, O'Regan R M, Nie S M. 2005 27th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, 2005，17：714～7163 LIU JunTao(刘军涛), LIU RuPing(刘儒平), WANG MiXia(王蜜霞), LIU ChunXiu(刘春秀), LUO JinPing(罗金平), CAI XinXia(蔡新霞). Chinese J. Anal. Chem.(分析化学), 2009， 37(7): 985～9884 Lang C, Schuler D, Faivre D. Macromol. Biosci., 2007, 7(2): 144～1515 Silva G A. Surg. Neurol., 2007, 67(2)：113～1166 Corot C, Robert P, Idee J M, Port M. Adv. Drug Delivery. Rev., 2006, 58(14): 1471～15047 Kohler N, Sun C, Wang J, Zhang M Q. Langmuir., 2005, 21(19), 8858～88648 LI BaoYu(李宝玉). Biomedical Nanomaterials(纳米生物医药材料). Beijing（北京）: Chemical Industry Press(化学工业出版社), 2004: 1419 Tartaj P, Morales M P, GonzalezCarreno T, VeintemillasVerdaguer S, Serna C J. J. Magn. Magn. Mater., 2005, 290: 28～3410 ZHANG Xin(张 鑫), LI XinGang(李鑫钢), JIANG Bin(姜 斌). Chinese Chem. Industry. Eng.(化学工业与工程), 2006, 23(1): 45～4811 Wu J H, Ko S P, Liu H L, Jung M H, Lee J H, Ju J S, Kim Y K. Colloids Surf. A, 2008, 313／314: 268～27212 CHENG HaiBin(程海斌), LIU GuiZhen(刘桂珍), LI LiChun(李立春), GUAN JianGuo(官建国), Yuan RunZhang（袁润章）. J. Wuhan University of Technology(武汉理工大学学报), 2003, 25(5): 4～613 QIU XingPing(邱星屏). J. Xiamen University: Natural Science(厦门大学学报：自然科学版), 1999, 38(5): 711～71514 Mao B D, Kang Z H, Wang E B, Lian S Y, Gao L, Tian C G, Wang C L. Mater. Res. Bull., 2006, 41(12): 2226～223115 Fan R, Chen X H, Gui Z, Liu L, Chen Z Y. Mater. Res. Bull., 2001, 36(3～4): 497～50216 Wang H W, Lin H C, Yeh Y C, Kuo C H. J. Magn. Magn. Mater., 2007, 310(2): 2425～242717 Harris L A, Goff J D, Carmichael A Y, Riffle J S, Harburn J J, St Pierre T G, Saunders M. Chem. Mater., 2003, 15(6):1367～137718 SONG LiXian(宋丽贤), LU ZhongYuan(卢忠远), LIAO QiLong(廖其龙). J. Funct. Mater.(功能材料), 2005, 36(11): 1762～176819 Itoh H, Sugimoto T. J. Colloid. Interface. Sci., 2003, 265(2): 283～29520 Xu J, Yang H B, Fu W Y, Du K, Sui Y M, Chen J J, Zeng Y, Li M H, Zou G. J. Magn. Magn. Mater., 2007, 309(2): 307～31121 Li Z, Wei L, Gao M Y, Lei H. Adv. Mater., 2005, 17(8): 11301～11305 22 Sun S H, Zeng H. J. Am. Chem. Soc., 2002, 124(28): 8204～820523 Bang J H, Suslick K S. J. Am. Chem. Soc. 2007, 129(8): 224224 Vijayakumar R, Koltypin Y, Felner I, Gedanken A. Mater. Sci. Eng. A, 2000, 286(1): 101～10525 Pinkas J, Reichlova V, Zboril R, Moravec Z, Bezdicka P, Matejkova J. Ultrason. Sonochem．, 2008, 15(3): 257～26426 Khollam Y B, Dhage S R, Potdar H S, Deshpande S B, Bakare P P, Kulkarni S D, Date S K. Mater. Lett., 2002, 56(4): 571～57727 HAI YanBing(海岩冰), YUAN HongYan(袁红雁), XIAO Dan(肖 丹)． Chinese Chem. Res. Appl.(化学研究与应用), 2006, 18(6): 744～74628 Jun Y W, Huh Y. M, Choi J S, Lee J H, Song H T, Kim S, Yoon, S, Kim K S, Shin J S, Suh J S, Cheon J. J. Am. Chem. Soc., 2005, 127(16), 5732～573329 Bharde A A, Parikh R Y, Baidakova M, Jouen S, Hannoyer B, Enoki T, Prasad B L V, Shouche Y S, Ogale S, Sastry M. Langmuir, 2008, 24(11): 5787～579430 Kuhara M, Takeyama H, Tanaka T, Matsunaga T. Anal. Chem., 2004, 76(21): 6207～621331 Y, G. Biofuctionalization of Nanamaterials. WileyVCH: Weinheim 200532 Safarik I M S. Biomagn. Res. Technol., 2004, 2(1): 7

粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法(Sequential Importance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数 进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→∝时可以逼近任何形式的概率密度分布。尽管算法中的概率分布只是真实分布的一种近似，但由于非参数化的特点，它摆脱了解决非线性滤波问题时随机量必须满足高斯分布的制约，能表达比高斯模型更广泛的分布，也对变量参数的非线性特性有更强的建模能力。因此，粒子滤波能够比较精确地表达基于观测量和控制量的后验概率分布，可以用于解决SLAM问题。粒子滤波的应用粒子滤波技术在非线性、非高斯系统表现出来的优越性，决定了它的应用范围非常广泛。另外，粒子滤波器的多模态处理能力，也是它应用广泛有原因之一。国际上，粒子滤波已被应用于各个领域。在经济学领域，它被应用在经济数据预测；在军事领域已经被应用于雷达跟踪空中飞行物，空对空、空对地的被动式跟踪；在交通管制领域它被应用在对车或人视频监控；它还用于机器人的全局定位。粒子滤波的缺点虽然粒子滤波算法可以作为解决SLAM问题的有效手段，但是该算法仍然存在着一些问题。其中最主要的问题是需要用大量的样本数量才能很好地近似系统的后验概率密度。机器人面临的环境越复杂，描述后验概率分布所需要的样本数量就越多，算法的复杂度就越高。因此，能够有效地减少样本数量的自适应采样策略是该算法的重点。另外，重采样阶段会造成样本有效性和多样性的损失，导致样本贫化现象。如何保持粒子的有效性和多样性，克服样本贫化，也是该算法研究重点。粒子滤波的发展改进策略马尔可夫链蒙特卡洛(MCMC)方法通过构造Markov链，产生来自目标分布的样本，并且具有很好的收敛性。在SIS的每次迭代中，结合MCMC使粒子能够移动到不同地方，从而可以避免退化现象，而且Markov链能将粒子推向更接近状态概率密度函数(probability density function,(PDF))的地方，使样本分布更合理。基于MCMC改进策略的方法有许多，常用的有Gibbs采样器和MetropolisHasting方法。粒子滤波器(UPF)Unscented Kalman滤波器(UKF)是Julier等人提出的。EKF(Extended Kalman Filter)使用一阶Taylor展开式逼近非线性项，用高斯分布近似状态分布。UKF类似于EKF，用高斯分布逼近状态分布，但不需要线性化只使用少数几个称为Sigma点的样本。这些点通过非线性模型后，所得均值和方差能够精确到非线性项Taylor展开式的二阶项，从而对非线性滤波精度更高。Merwe等人提出使用UKF产生PF的重要性分布，称为Unscented粒子滤波器(UPF)，由UKF产生的重要性分布与真实状态PDF的支集重叠部分更大，估计精度更高。－Blackwellised粒子滤波器(RBPF)在高维状态空间中采样时,PF的效率很低。对某些状态空间模型，状态向量的一部分在其余部分的条件下的后验分布可以用解析方法求得，例如某些状态是条件线性高斯模型，可用Kalman滤波器得到条件后验分布，对另外部分状态用PF，从而得到一种混合滤波器，降低了PF采样空间的维数，RBPF样本的重要性权的方差远远低于SIR方法的权的方差，为使用粒子滤波器解决 SLAM问题提供了理论基础。而Montemerlo等人在2002年首次将Rao-Blackwellised粒子滤波器应用到机器人SLAM中，并取名为FastSLAM算法。该算法将SLAM问题分解成机器人定位问题和基于位姿估计的环境特征位置估计问题，用粒子滤波算法做整个路径的位姿估计，用EKF估计环境特征的位置，每一个EKF对应一个环境特征。该方法融合EKF和概率方法的优点，既降低了计算的复杂度，又具有较好的鲁棒性。最近几年，粒子方法又出现了一些新的发展，一些领域用传统的分析方法解决不了的问题，现在可以借助基于粒子仿真的方法来解决。在动态系统的模型选择、故障检测、诊断方面，出现了基于粒子的假设检验、粒子多模型、粒子似然度比检测等方法。在参数估计方面，通常把静止的参数作为扩展的状态向量的一部分，但是由于参数是静态的，粒子会很快退化成一个样本，为避免退化，常用的方法有给静态参数人为增加动态噪声以及Kernel平滑方法，而Doucet等提出的点估计方法避免对参数直接采样，在粒子框架下使用最大似然估计(ML)以及期望值最大(EM)算法直接估计未知参数。