通过固态纳米孔中的半胱氨酸指纹技术对全长蛋白质进行分类

《Nature Nanotechnology》：Full-length protein classification via cysteine fingerprinting in solid-state nanopores

单分子点击化学修饰结合纳米孔技术实现蛋白质快速识别，通过寡核苷酸标记提高捕获率10倍并减缓蛋白传输20倍以上，利用离子电流脉冲特征和机器学习实现VEGF-A异构体的高精度分类。

　　

摘要

单分子技术的最新进展正在改变蛋白质分析领域。固态纳米孔提供了一种有效的方法，可以将全长蛋白质线性排列并逐一通过纳米孔。然而，如何减缓蛋白质在纳米孔中的快速移动仍然是实现基于离子电流的精确、时间分辨蛋白质指纹识别的一个挑战。在这项研究中，我们提出了一种基于点击化学（click-chemistry）的策略，用于将短寡核苷酸共价连接到变性蛋白质上的半胱氨酸残基上，这些蛋白质的分子量范围较广。与天然蛋白质相比，带负电荷的寡核苷酸能够将蛋白质的捕获率提高十倍，并导致蛋白质通过纳米孔的速度降低20倍以上。这些寡核苷酸标签还能产生特征性的、时间分辨的离子电流脉冲，作为蛋白质的独特标识。为了揭示蛋白质移动的动力学机制，我们利用全原子分子动力学和有限元模拟对系统进行了建模。通过使用监督机器学习分类器，我们证明只需少量的移动事件就足以识别出单个蛋白质，从而实现了近乎完美的分类准确性。为了验证该方法的可靠性，我们成功地在混合蛋白质样本中区分了与癌症诊断相关的VEGF-A异构体（VEGF-165和VEGF-121）。我们的基于纳米孔的指纹识别技术无需使用亲和试剂（如蛋白质特异性抗体）或马达蛋白，为单分子蛋白质的识别和分类提供了一种快速、直接且经济高效的方法。