Intelligenter Sensor identifiziert gegenwärtige Moleküle, indem er sich an die Vergangenheit erinnert

Forscher haben einen neuartigen Ansatz zur Einzelmolekül-Protein-Sequenzierung unter Verwendung eines stufenweise verkürzten Peptids demonstriert, das auf einer Nanopore immobilisiert ist. Diese in einer kürzlich veröffentlichten Veröffentlichung beschriebene Technik beinhaltet das sequentielle Lesen des Peptids, während es durch eine Nanopore geht, was eine hochauflösende Analyse seiner Aminosäuresequenz ermöglicht. Die Studie wurde von einem Team unter der Leitung von Forschern der Universität Twente in den Niederlanden durchgeführt und in Nature Nanotechnology veröffentlicht. Das Experiment nutzte eine modifizierte Version des Mycobacterium smegmatis porin A (MspA) Nanopores, das zuvor für die Sequenzierung von DNA und RNA verwendet wurde.

In diesem Fall befestigten die Forscher ein schrittweise verkürztes Peptid an der Oberfläche der Nanopore. Durch die allmähliche Verringerung der Länge des Peptids bei gleichzeitiger Beibehaltung seiner strukturellen Integrität konnten sie beobachten, wie die Nanopore mit verschiedenen Segmenten des Moleküls interagiert. Der Prozess wurde durch einen benutzerdefinierten Algorithmus für maschinelles Lernen erleichtert, der die Sequenz auf der Grundlage der elektrischen Signale entschlüsseln soll, die während des Durchgangs des Peptids durch die Pore erzeugt werden. Die Methode baut auf früheren Arbeiten auf dem Gebiet der Sequenzierung von Einzelmolekülen auf.

Forscher wie Restrepo-Pérez, Joo und Dekker legten 2018 die Grundlagen für nanopore-basierte Ansätze und demonstrierten das Potenzial dieser Systeme für die Analyse einzelner Proteinmoleküle. In jüngerer Zeit haben Studien von Lu, Bonini, Viel und Maglia die Herausforderungen und Fortschritte bei der Entwicklung zuverlässiger Methoden für die Proteinsequenzierung einzelner Moleküle hervorgehoben.

Durch die schrittweise Verkürzung des Peptids konnten die Forscher spezifische Interessengebiete isolieren und die Genauigkeit der Messwerte verbessern. Dieser Ansatz steht im Gegensatz zu traditionellen Methoden wie der Massenspektrometrie, die große Probenmengen erfordern und weniger empfindlich auf kleine Variationen in der molekularen Struktur reagieren können. Die neue Methode verspricht, die Empfindlichkeit und Spezifität der Proteinsequenzierung zu verbessern, insbesondere für seltene oder wenig häufige Proben.

Wie in der Forschung von Aebersold und Mann festgestellt, bleibt die Massenspektrometrie ein Eckpfeiler der proteomischen Analyse, aber es besteht ein wachsendes Interesse an alternativen Techniken, die einen höheren Durchsatz und geringere Ressourcenanforderungen bieten.

Es eröffnet Möglichkeiten für die Echtzeit-Protein-Sequenzierung in klinischen Umgebungen, Umweltüberwachung und anderen Bereichen, in denen eine schnelle und präzise Analyse entscheidend ist. Die Integration des maschinellen Lernens verbessert die Nützlichkeit der Technik weiter und ermöglicht eine schnellere Verarbeitung und Interpretation komplexer Datensätze. Zukünftige Entwicklungen können die Skalierung der Technologie für größere Proteine und die Integration mit anderen analytischen Plattformen umfassen, um ein umfassendes Toolkit für proteomische Forschung zu schaffen.