通过动态转位酶与物理信息驱动机器学习实现单分子蛋白质组学

单分子蛋白质测序有望推动临床蛋白质组学的普及化，但将静态 DNA 测序纳米孔平台改造用于该目的，面临一个根本性的生物物理瓶颈：这类平台只能测量一维排除体积。因此，这些静态“卡尺”难以分辨同量异位残基，因而需要复杂的 DNA 手柄化学修饰以及高于临床相关丰度范围的靶标浓度。 在此，我们引入一种动态的、靶标对接型转位酶引擎——炭疽毒素保护性抗原（PA）——作为一种无需标记的单分子肽传感器。通过提取孔活性位点围绕转运分析物动态“呼吸”时所产生的多态热力学摩擦，我们训练了一种物理信息驱动的机器学习（PIML）架构，在单事件水平上对一个由 20 个成员组成的客体-主体肽文库面板进行分类，该面板代表了全部 20 种标准氨基酸。在 35 毫秒热力学读出约束下、于低纳摩尔浓度条件中运行时，该转位酶能够分辨同量异构变体（亮氨酸和异亮氨酸）。此外，我们在由 5 种未加标签的天然临床生物标志物（如 KRAS G12D、血管紧张素、缓激肽）组成的面板上实现了 98.02（+/-0.05）% 的分类准确率。从静态体积测量转向时域热力学指纹识别，为从头蛋白质组学奠定了所必需的蛋白质纳米孔硬件基础。

单分子蛋白质测序有望推动临床蛋白质组学的普及化，但将静态DNA测序纳米孔改造用于该目的的平台面临一个根本性的生物物理瓶颈：它们只能测量一维排阻体积。因此，这些静态“卡尺”难以分辨同量异位残基，因而需要复杂的DNA手柄化学修饰以及高于临床相关丰度范围的靶标浓度。在此，我们引入一种动态的、靶标对接型转位酶引擎——炭疽毒素保护性抗原（PA）——作为一种无标记单分子肽传感器。通过提取当孔道活性位点围绕转位分析物动态“呼吸”时所产生的多状态热力学摩擦，我们训练了一种物理信息驱动的机器学习（PIML）架构，在单事件水平上对一个由20个成员组成的客体-主体肽文库面板进行分类，该面板代表了全部20种标准氨基酸。在35毫秒热力学读出限制下、于低纳摩尔浓度条件中运行时，该转位酶能够分辨同量异构变体（亮氨酸和异亮氨酸）。此外，我们在一个由5种未加标签的天然临床生物标志物组成的面板（例如KRAS G12D、血管紧张素、缓激肽）上实现了98.02（±0.05）%的分类准确率。从静态体积测量转向时域热力学指纹识别，为从头蛋白质组学奠定了所必需的蛋白质纳米孔硬件基础。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.17.745284v1?rss=1

🏷️ 单分子蛋白质组学 纳米孔传感 转位酶 物理信息机器学习 肽分类 生物标志物检测