機械学習支援単一分子センシング：参照標準を要さないペルフルオロ化カルボン酸の定量へ

日常の水の安全性にとってなぜ重要か

PFASとして知られる目に見えない工業化学物質は、河川や飲料水、さらには私たちの血中にも浸透しています。その中でも、ペルフルオロ化およびポリフルオロ化カルボン酸（PFCA）は特に懸念されますが、数千種類に及ぶPFASのうち、参照標準が存在するのはごく一部に過ぎず、正確な測定が非常に困難です。本研究は、極小の生体由来の孔を通過する個々のPFCA分子を1つずつ「数える」新しい方法を提示します。機械学習を使って電気的フィンガープリントを認識することで、各化合物に対応する実験用標準がなくても検出できます。

複雑な一族に潜む化学物質

PFASは、ノンスティック調理器具から消火フォームまで幅広い製品に使われるフッ素を豊富に含む化学物質群です。多くは数個の原子が異なるだけですが、そのわずかな構造差が環境中での移動性、生体蓄積、健康への影響を大きく変えます。液体またはガスクロマトグラフィーと質量分析を組み合わせた従来手法は高感度で多くのPFASを検出できますが、各化合物を確実に同定・定量するには通常その純物質の標準が必要です。これまでに市販されている標準は百数種類にすぎず、既知のPFASの1%未満にしか相当しません。したがって規制当局や研究者は残りについてはほとんど情報を持ち得ないのが現状です。

微小なゲートを通して単一分子を数える

研究者らはこのギャップに、タンパク質ナノポアを用いて取り組みます。ドーナツ状の分子が脂質膜に単一の穴を作り、電圧をかけるとイオンがポアを通って一定の電流が流れます。チームは個々のPFCA分子を短く正に荷電したペプチド「リーダー」に化学的に連結し、ビーズが紐に沿って引かれるようにそのリーダーごとナノポアに引き込まれます。各PFCA–ペプチド対がポアに入って占有すると、イオン流が部分的に遮られて短時間の電流低下が生じ、その深さと持続時間はポア内の分子の大きさや形状に依存します。

ポア信号を分子の物差しに変える

この研究の重要な突破点は、これらの電流低下が精密な測定棒のように振る舞うことです。実験と分子シミュレーションを組み合わせることで、炭素数最大14の一連のPFCAについて、電流遮断の深さが分子の体積にほぼ完全に直線的に増加することを示しました。言い換えれば、ナノポアとペプチドが決まれば、体積だけで電流がどれほど遮られるかを予測できます。これにより、水素や塩素の置換、側鎖、芳香環を持つより複雑なPFCAの電気的署名も予測でき、実験によってその予測が測定誤差の範囲内で現実と一致することが確認されました。

類似汚染物質を見分ける機械学習

多くのPFCAはサイズが非常に近いため遮断信号が重なり合います。そこで科学者たちはナノポア信号の持つ豊かな情報を最大限に活用しました。各イベントから持続時間、ノイズの程度、異なる周波数でデジタルフィルタをかけたときの波形変化など、数十の特徴量を抽出しました。これら多次元のフィンガープリントで機械学習モデルを訓練した結果、13種類のPFCA（近縁の異性体を含む）についてほぼ完全に近い識別精度（約99.9%）を達成しました。最も情報量の多い21個の特徴を慎重に選ぶことでモデルの複雑さを減らしつつ、目標化合物が100倍高濃度の攪乱PFCAに埋もれている場合でも性能を実際に向上させることができました。

単一分子カウントから現実世界の水試験へ

同定に加えて、この手法は各PFCAの量を測る必要があります。ここでチームはPFCA–ペプチド対がナノポアに捕捉される頻度を利用します。イベント間の平均時間は濃度が上がると短くなります。巧妙なペプチド設計により、この捕捉率は主にペプチドの電荷とポアの電気的環境によって決まり、どのPFCAが結合しているかによる影響は小さく抑えられます。つまり、イベント頻度と濃度の間の単一の検量線を多くのPFCAに共通して適用でき、「1本の検量線で全てに対応する」ことが可能になります。彼らは混合物や水道水、血清など複雑なサンプルでこの普遍性を検証し、多数の他化学物質が存在する状態でも正確にカウントできること、超短鎖PFCAである三フルオロ酢酸の検出限界が質量分析法の最良レベルと同等であることを示しました。

カスタム標準なしでPFASを追跡する新しい道

総じて、本研究は各PFCAごとの専用標準を必要とせずに広範なPFCA汚染物質を監視する道筋を示しています。精巧に設計されたナノポアとペプチドプローブは分子サイズと信号を単純な線形関係で結びつけ、機械学習は微妙な信号特徴を分離してほとんど同一の異性体さえ識別します。さらにポアの出入口の「障壁」を調整することで、実験とシミュレーションは同じ戦略がより長鎖のPFCAや潜在的にはPFAS全体の拡張にも適用できることを示しています。一般の人々にとって、これは長年にわたり私たちの水や環境の中でほとんど見えなかった化学物質を検出・測定する有望な新手段を意味します。

引用: Zuo, J., Li, HS., Tang, W. et al. Machine learning assisted single-molecule sensing towards standard-free quantification of per- and polyfluoroalkyl carboxylic acids. Nat Commun 17, 3923 (2026). https://doi.org/10.1038/s41467-026-70718-3

キーワード: PFAS, ナノポアセンシング, 単一分子検出, 機械学習, 水質汚染物質