Sensoriage massivement parallèle par nanopore pour le profilage des peptides et l’identification des protéines

Lire les protéines une molécule à la fois

Les protéines sont les ouvrières de nos cellules ; savoir exactement lesquelles sont présentes, comment elles sont modifiées et comment elles interagissent est essentiel pour comprendre la santé et la maladie. Les outils actuels pour étudier les protéines sont puissants mais souvent lents, coûteux et difficiles à industrialiser. Cet article décrit une nouvelle manière d’écouter des fragments protéiques individuels lorsqu’ils traversent un petit orifice dans une membrane, en utilisant l’intelligence artificielle pour transformer ces signaux en empreintes détaillées. L’approche pourrait ouvrir la voie à des tests plus rapides et moins coûteux pour suivre des marqueurs de maladie et vérifier l’efficacité réelle des anticorps utilisés en recherche et en diagnostic.

Transformer les protéines en fragments lisibles

Les auteurs s’appuient sur la technologie des nanopores, développée à l’origine pour le séquençage de l’ADN. Dans leur système, les protéines naturelles sont d’abord découpées en fragments plus courts appelés peptides et légèrement modifiées afin que chaque morceau puisse être lié par ses deux extrémités à de courts segments d’ADN. Cela crée une structure « Oligo–Peptide–Oligo » qui se comporte bien dans des dispositifs nanopore conçus initialement pour l’ADN. L’équipe utilise une enzyme de découpe spécifique qui a tendance à laisser un acide aminé particulier, la lysine, à l’extrémité de chaque fragment, rendant la chimie plus prévisible et compatible avec de nombreuses protéines. Le résultat final est une bibliothèque purifiée de nombreux constructs peptide–ADN préparée en quelques heures seulement.

Écouter avec de nombreux nanopores simultanément

Pour détecter ces fragments peptidiques, les auteurs utilisent une matrice de nanopores biologiques : de minuscules trous constitués de protéines insérés dans une membrane et reliés à des électrodes. Lorsqu’une tension est appliquée, les structures ADN–peptide–ADN sont attirées, une par une, à travers chaque pore par un moteur moléculaire. Lorsque le peptide traverse la partie la plus étroite, il bloque partiellement le flux d’ions, modifiant le courant électrique. Parce que la plateforme utilise 256 pores en parallèle et peut collecter plus de 100 000 événements de ce type à partir d’une seule bibliothèque en l’espace de deux heures, elle produit un flux massif de signaux monocellulaires capturant la manière dont chaque peptide interagit avec le pore.

De signaux bruités à des empreintes distinctes

En apparence, ces traces de courant semblent bruyantes et variables ; un même peptide peut entrer dans différentes orientations et adopter diverses conformations. Les mesures sommaires traditionnelles comme le courant moyen et la durée d’événement se chevauchent souvent pour des peptides similaires. L’avancée clé de ce travail est une chaîne de traitement en deux étapes basée sur l’intelligence artificielle. D’abord, un réseau neuronal convolutionnel profond est entraîné sur un grand nombre de traces pour classer quel peptide a produit quel motif. Ensuite, l’équipe crée des « matrices de densité » qui résument la façon dont le signal tend à varier au cours de chaque événement, transformant essentiellement des nuages de traces bruitées en empreintes 2D stables. Seules les lectures dont le profil temporel détaillé correspond à ces empreintes sont conservées. Cette stratégie CNN-plus-empreinte porte l’exactitude à environ 99 % pour des peptides tests et permet de distinguer de façon fiable des fragments qui diffèrent d’un seul acide aminé, certains isomères et de nombreuses modifications chimiques courantes des protéines en cellule.

Vérifier des anticorps et identifier des protéines entières

Comme les anticorps reconnaissent de courts segments de protéines, les auteurs appliquent leur plateforme pour cartographier quels fragments différents anticorps commerciaux lient réellement. En mélangeant des peptides chevauchants provenant d’un précurseur hormonal, en enrichissant ceux liés par chaque anticorps, puis en les lisant avec le système nanopore, ils peuvent localiser précisément les régions préférentielles de liaison et montrer quand des paires d’anticorps recommandées par les fournisseurs reconnaissent en réalité le même site et sont mal adaptées aux essais sandwich. Dans un autre test, ils examinent une séquence d’étiquette bien connue et quatre variantes quasi identiques, montrant que le nombre relatif de lectures nanopore pour chaque peptide suit de près la force d’hybridation de l’anticorps, en accord avec des mesures plus laborieuses basées sur des surfaces. Enfin, ils démontrent l’identification de protéines : ils entraînent le système sur les empreintes de peptides de trois protéines humaines, puis digèrent à l’aveugle les protéines complètes et montrent que le motif combiné de peptides classés suffit à attribuer correctement chaque protéine, même en présence de fragments ambigus ou manquants.

Pourquoi cela compte pour les tests de demain

En termes simples, l’étude montre qu’un séquenceur nanopore de type ADN, associé à une chimie astucieuse et à l’IA, peut fonctionner comme un « stéthoscope » hautement parallèle pour des fragments protéiques. Plutôt que de devoir lire chaque acide aminé dans l’ordre, le système s’appuie sur des empreintes statistiques riches issues de milliers d’événements monocellulaires pour distinguer des différences subtiles de charge, taille et modification. Cela permet des contrôles rapides et peu coûteux de la qualité des anticorps et offre une voie vers la reconnaissance de protéines entières à partir de leurs motifs peptidiques. S’il demeure des limites — comme des difficultés avec certains types de peptides et la nécessité de bons jeux d’entraînement — le travail décrit une chaîne de bout en bout qui pourrait rapprocher l’analyse protéique haut débit des laboratoires de recherche courants et, éventuellement, des diagnostics cliniques.

Citation: Wang, J., Chen, J., Pan, H. et al. Nanopore-based massively parallel sensing for peptide profiling and protein identification. Nat Commun 17, 3058 (2026). https://doi.org/10.1038/s41467-026-69628-1

Mots-clés: détection par nanopore, protéomique, empreintes de peptides, validation d’anticorps, identification des protéines