Понимание молекулярного разнообразия имеет фундаментальное значение для биомедицинских исследований и диагностики. Однако существующие аналитические инструменты с трудом различают тонкие вариации в структуре или составе биомолекул, таких как белки.
Исследователи из Токийского университета разработали новый аналитический подход, который помогает преодолеть эту проблему. Новый метод, называемый профилированием с использованием матриц напряжения в нанопорах, сочетает многовольтные записи с помощью твердотельных нанопор с машинным обучением для точной классификации белков в сложных смесях на основе их электрической сигнатуры.
Исследование опубликовано в Chemical Science
В исследовании, [опубликованном](https://xlink.rsc.org/?DOI=D5SC05182G) в Chemical Science, показано, как этот новый фреймворк может идентифицировать и классифицировать «молекулярную индивидуальность» без необходимости использования меток или модификаций. Исследование обещает стать основой для более продвинутых и широких применений молекулярного анализа в различных областях, включая диагностику заболеваний.
Твердотельные нанопоры
Твердотельные нанопоры — это крошечные туннели, через которые белок или другая молекула могут проходить под действием ионного тока. Применяя напряжение к этому процессу, можно получить сигналы, которые помогут идентифицировать молекулу.
Хотя технологии с использованием нанопор произвели революцию в анализе ДНК и РНК, их применение к белкам было ограничено из-за сложной структуры белков и изменчивости поведения сигналов.
Новый подход
Новый подход команды систематически изменяет условия напряжения, фиксируя как стабильные, так и зависящие от напряжения закономерности сигналов. Организация этих характеристик в матрицу напряжения позволяет модели машинного обучения различать белки даже в смесях, расширяя использование измерений нанопор за пределы секвенирования в сторону общего молекулярного профилирования.
«Идентификация и классификация белков в сложных биологических смесях — это сложная задача. Традиционные методы, такие как иммуноферментный анализ (ИФА) или масс-спектрометрия, часто с трудом различают тонкие структурные различия или динамические состояния, особенно без маркировки», — сказал профессор Сотаро Уэмура с кафедры биологических наук Токийского университета. «Твердотельные нанопоры представляют собой перспективное решение, но предыдущие подходы были ограничены их зависимостью от одновольтных измерений. Наша работа была направлена на преодоление этих ограничений».
Для демонстрации концепции исследователи проанализировали смеси, содержащие два биомаркера, связанных с раком: карциноэмбриональный антиген (CEA) и раковый антиген 15-3 (CA15-3). Построив матрицу напряжения на основе сигналов, записанных при шести условиях напряжения, они идентифицировали различные модели ответов, характерные для каждого белка.
Практическое применение
Чтобы проверить практическую применимость подхода, исследователи применили фреймворк с использованием матрицы напряжения к образцам сыворотки мышей. Сравнивая сыворотки, которые подвергались центрифугированию и которые не подвергались, и анализируя их в различных условиях напряжения, они обнаружили, что два типа образцов можно чётко различить в матрице напряжения.
«Систематически изменяя условия напряжения и применяя машинное обучение, мы можем создать матрицу напряжения, которая выявляет как устойчивые, не зависящие от напряжения молекулярные особенности, так и чувствительные к напряжению структурные изменения», — сказал Уэмура. «Наше исследование — это не просто улучшение чувствительности обнаружения — оно устанавливает новый способ представления и классификации молекулярных сигналов в зависимости от напряжения, позволяя нам визуализировать молекулярную индивидуальность и оценивать состав в смесях».
Команда планирует расширить фреймворк на образцы сыворотки или слюны человека и разработать параллельную систему нанопор, выполняющую несколько задач одновременно, для молекулярного профилирования в реальном времени. Это может поддержать применение в биомедицинской диагностике и мониторинге изменений окружающей среды.
Предоставлено [Токийским университетом](http://www.u-tokyo.ac.jp/).