利用纳米星上的指纹蛋白晕构建最小传感器阵列，用于检测蛋白质异构体和疾病状态

《ACS Nano》：Construction of a Minimal Sensor Array Using Fingerprint Protein Corona on Nanostars for Detecting Protein Isoforms and Disease States

本研究利用金纳米星表面等离子体共振变化检测蛋白质指纹，结合机器学习算法实现低浓度、宽动态范围区分同型异构体，成功鉴别两种疾病模型蛋白冠，验证其临床诊断潜力及单平台检测优势。

　　

基于蛋白质特征的检测方法结合机器学习算法，彻底改变了传统的传感方式，实现了快速、低成本且具有选择性的检测，无需使用专用设备。该策略利用蛋白质与传感器阵列之间的选择性相互作用，通过机器学习生成全局特征模式。这种参考模式有助于对分析物进行分类、识别未知样本，并预测常规特异性传感器可能遗漏的蛋白质变化特征。吸附在纳米颗粒表面的蛋白质会形成独特的“指纹特征”，这些特征可用于分析蛋白质生物标志物。在本研究中，我们发现金纳米星（AuNS）在刻蚀过程中会形成特定的蛋白质“指纹特征”，进而影响AuNS表面的等离子体共振现象。由此产生的光谱特征能够在极低浓度范围内有效区分多种蛋白质（包括其不同异构体），且具有较宽的动态检测范围。该方法能够有效区分健康对照组与两种临床前疾病模型（由硫酸右旋糖酐诱导的结肠炎以及沙门氏菌Typhimurium感染引起的败血症）中的蛋白质特征，展现了其临床诊断潜力。值得注意的是，AuNS能够在同一平台上实现蛋白质识别和信号转导功能，这为基于特征的模式识别提供了坚固的材料基础，简化了传感器制备过程，并为多种目标的检测提供了有力工具。