突破传统终点ELISA局限：新型lag k-ELISA技术在SARS-CoV-2抗体定量检测中的应用与优化

针对传统ELISA检测高滴度样本需多次稀释、耗时耗力的问题，英国帝国理工学院团队开发了lag k-ELISA技术。该技术通过分析终止反应后的动力学信号（包括OD最小值时间、k-rate等参数），成功实现169份抗S1 IgG和79份抗S1 IgM血清样本的高通量检测，显著提升检测效率并降低成本，为传染病抗体监测提供了新方案。

　　

在COVID-19大流行持续影响的背景下，准确监测人群抗体水平对评估疫苗效果和感染免疫具有重要意义。然而，传统终点ELISA（e-ELISA）面临严峻挑战：检测高滴度样本时需要繁琐的连续稀释，不仅耗时长达数周，还易引入操作误差。更棘手的是，当样本光密度（OD）超过2.0时，检测器饱和会导致"天花板效应"，无法区分实际抗体浓度的差异。这些局限性严重制约了大样本血清学研究的效率。

英国帝国理工学院传染病系（Department of Infectious Disease, Imperial College London）的Ksenia Katsanovskaja团队在《Journal of Virological Methods》发表创新研究，提出lag k-ELISA技术。该技术巧妙融合传统e-ELISA与动力学ELISA（k-ELISA）优势：在常规终点检测后，继续监测终止反应后6-12小时的信号动力学变化，通过分析时间-OD曲线下面积（AUC）、信号最低点时间、k-rate等参数，建立与抗体浓度的定量关系。研究人员利用国际严重急性呼吸道和新兴感染联盟（ISARIC）和COVID-19住院后研究（PHOSP-COVID）两个队列的248份血清样本（169份测抗S1 IgG，79份测抗S1 IgM），验证了该技术的可靠性。

关键技术方法包括：1）采用WHO抗SARS-CoV-2免疫球蛋白标准品（NIBSC 20/136）建立0.33-1000 BAU/mL标准曲线；2）同时进行传统e-ELISA和lag k-ELISA检测，后者在450nm和630nm双波长下监测终止反应后的动力学信号；3）通过Python 3.11计算AUC、k-rate等特征参数；4）考察搅拌、温度（5-37°C）等操作条件对检测的影响。

【3.1 传统ELISA的样本定量】
对169份血清的传统检测显示，抗S1 IgG需稀释0-100倍，抗S1 IgM需0-500倍才能获得准确读数，证实高滴度样本检测的复杂性。

【3.2 lag k-ELISA概念验证】
动力学信号呈现明显分层：低抗体样本（稀释因子DF=0-10x）的复合OD持续下降，而高抗体样本（DF=100-500x）先降后升。630nm处沉淀信号的增长速率与抗体浓度正相关。

【3.3 信号变化动力学】
高DF样本的k-rate分布显著右偏，100-500x样本在90±38分钟即达OD最低点，而50x和10x样本分别需要237±125和621±135分钟。

【3.4 定量探索】
AUC与WHO标准单位（BAU/mL）呈现强线性相关（IgG模型R2=0.958），时间最低点和相对k-rate是重要预测因子。

【3.5 操作条件优化】
37°C更利于低DF样本区分，5°C则提升高DF样本分辨率；搅拌会干扰沉淀形成，建议静置检测。

这项研究突破性地证明，lag k-ELISA能通过单次检测替代传统多次稀释，将高滴度样本分析时间从数周缩短至12小时。其创新性体现在三方面：1）首次利用终止反应后的"滞后动力学"信号；2）整合可溶性与沉淀信号（450nm+630nm）提升检测范围；3）建立机器学习可用的定量特征集。该技术不仅适用于SARS-CoV-2抗体检测，经优化后还可拓展至埃博拉、乙肝等传染病的血清学研究，为建立高效、低成本的病原体抗体监测平台提供了新范式。研究团队特别指出，未来结合更高浓度的校准标准和大数据建模，有望实现完全自动化的抗体滴度预测，这将彻底改变传统血清学检测的工作流程。