Masowo równoległe sensory oparte na nanoporach do profilowania peptydów i identyfikacji białek

Odczytywanie białek pojedynczą cząsteczkę naraz

Białka są maszynami naszych komórek; znajomość tego, które z nich występują, jakie mają modyfikacje i jak wchodzą w interakcje, jest kluczowa dla zrozumienia zdrowia i choroby. Obecne standardowe narzędzia do badania białek są potężne, lecz często wolne, kosztowne i trudne do skalowania. W artykule opisano nowy sposób „podsłuchiwania” pojedynczych fragmentów białek podczas przechodzenia przez maleńką dziurkę w membranie, wykorzystując sztuczną inteligencję do przekształcenia tych sygnałów w szczegółowe odciski. Podejście to może otworzyć drogę do szybszych, tańszych testów do wykrywania markerów chorób i sprawdzania jakości przeciwciał stosowanych w badaniach i diagnostyce.

Przekształcanie białek w czytelne kawałki

Naukowcy bazują na technologii nanoporowej, pierwotnie opracowanej do sekwencjonowania DNA. W ich systemie naturalne białka są najpierw cięte na krótsze fragmenty zwane peptydami i delikatnie modyfikowane tak, aby każdy kawałek mógł być połączony na obu końcach z krótkimi odcinkami DNA. Powstaje w ten sposób struktura „Oligo–Peptyd–Oligo”, która dobrze zachowuje się w urządzeniach nanoporowych zaprojektowanych pierwotnie do DNA. Zespół wykorzystuje specyficzne enzymy tnące, które mają tendencję do pozostawiania konkretnego aminokwasu — lizyny — na końcu każdego fragmentu, co upraszcza chemię i czyni procedurę kompatybilną z wieloma białkami. Efektem końcowym jest oczyszczona biblioteka wielu takich konstrukcji peptyd–DNA przygotowana w ciągu zaledwie kilku godzin.

Słuchanie wieloma nanoporami naraz

Aby wykrywać te fragmenty peptydowe, autorzy używają matrycy biologicznych nanoporów — maleńkich, białkowych otworów umieszczonych w membranie i połączonych z elektrodami. Po przyłożeniu napięcia struktury DNA–peptyd–DNA są, jedna po drugiej, przeciągane przez każdy por przy pomocy motoru molekularnego. Gdy peptyd przechodzi przez najwęższe miejsce, częściowo blokuje przepływ jonów, zmieniając prąd elektryczny. Ponieważ platforma używa 256 porów równolegle i może zebrać ponad 100 000 takich zdarzeń z jednej biblioteki w ciągu dwóch godzin, generuje ogromny strumień sygnałów pojedynczych molekuł, który odzwierciedla, jak każdy konkretny peptyd oddziałuje z porem.

Z zaszumionych sygnałów do rozpoznawalnych odcisków

Na pierwszy rzut oka ślady prądu wyglądają na zaszumione i zmienne; ten sam peptyd może wchodzić w różnej orientacji i przyjmować różne konformacje. Tradycyjne miary podsumowujące, takie jak średni prąd czy czas trwania zdarzenia, często nakładają się dla podobnych peptydów. Kluczowym osiągnięciem tej pracy jest dwustopniowy pipeline sztucznej inteligencji. Najpierw głęboka splotowa sieć neuronowa jest trenowana na dużej liczbie śladów, by przypisywać je do konkretnych peptydów. Następnie zespół tworzy „macierze gęstości”, które podsumowują, jak sygnał zmienia się w trakcie zdarzenia, przekształcając chmury zaszumionych śladów w stabilne dwuwymiarowe odciski. Zachowywane są tylko odczyty, których szczegółowy przebieg czasowy pasuje do tych odcisków. Strategia CNN plus odcisk zwiększa dokładność do około 99% dla testowych peptydów i potrafi niezawodnie odróżnić fragmenty różniące się pojedynczym aminokwasem, pewne izomery oraz wiele powszechnych modyfikacji chemicznych, które białka nabywają w komórkach.

Sprawdzanie przeciwciał i rozpoznawanie całych białek

Ponieważ przeciwciała rozpoznają krótkie odcinki białek, autorzy zastosowali swoją platformę do mapowania, których fragmentów naprawdę wiążą się różne komercyjne przeciwciała. Mieszając zachodzące na siebie fragmenty peptydowe pochodzące od prekursoru hormonu, wzbogacając te związane przez każde przeciwciało, a następnie odczytując je systemem nanoporowym, mogą precyzyjnie określić preferowane regiony wiążące i wykazać, kiedy pary przeciwciał polecane przez producentów rzeczywiście rozpoznają to samo miejsce i są źle dopasowane do testów typu sandwich. W innym teście analizują dobrze znaną sekwencję taga i cztery niemal identyczne warianty, pokazując, że względna liczba odczytów nanoporowych dla każdego peptydu ściśle koreluje z siłą wiązania przeciwciała — zgodnie z bardziej pracochłonnymi pomiarami powierzchniowymi. Na koniec demonstrują identyfikację białek: trenują system na odciskach peptydów z trzech ludzkich białek, potem bez wiedzy trafiająco trawią pełne białka i pokazują, że skumulowany wzorzec sklasyfikowanych peptydów wystarcza, by poprawnie rozpoznać, które białko jest które, nawet gdy pojawiają się niejednoznaczne lub brakujące fragmenty.

Dlaczego to ma znaczenie dla przyszłych testów

Mówiąc prosto, badanie pokazuje, że sekwenser nanoporowy w stylu DNA, połączony z przemyślaną chemią i AI, może działać jak wysoko równoległy „stetoskop” dla fragmentów białek. Zamiast odczytywać każdy aminokwas po kolei, system opiera się na bogatych, statystycznych odciskach pochodzących z tysięcy zdarzeń pojedynczych molekuł, by rozróżniać subtelne różnice w ładunku, rozmiarze i modyfikacjach. To umożliwia szybkie, niskokosztowe sprawdzanie jakości przeciwciał i daje drogę do rozpoznawania całych białek na podstawie ich wzorców peptydowych. Choć nadal istnieją ograniczenia — na przykład trudności z niektórymi typami peptydów i potrzeba dobrych danych treningowych — praca przedstawia kompletny pipeline, który może przyczynić się do przeniesienia rutynowej, wysokoprzepustowej analizy białek bliżej codziennych laboratoriów badawczych, a w efekcie także do diagnostyki klinicznej.

Cytowanie: 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

Słowa kluczowe: sensing nanoporowe, proteomika, odcisk peptydowy, walidacja przeciwciał, identyfikacja białek