Нанотрубочная технология переходит от секвенирования ДНК к идентификации белков

Ученые из Калифорнийского университета в Сан-Диего и Университета Нотр-Дам сообщают в майском выпуске PLOS Computational Biology об исследовании, которое может открыть путь для идентификации белков с помощью нанопор и, в конечном итоге, протеомного профилирования большого количества белков в сложных смесях.

Согласно профессору компьютерных наук и инженерии Павлу Певзнеру, старшему автору статьи, новый подход идентифицирует белки, анализируя уникальные электрические сигналы, возникающие при прохождении молекул через нанопору (которая действует как сито). Теоретически, нанопоры могут позволить исследователям характеризовать большое количество белков в сложных смесях.

Хотя нанопоры отлично работают при анализе отдельных молекул, они менее эффективны для характеристики большого количества белков в сложных смесях. В результате предпочтительным подходом для скрининга сложных смесей остается использование других методов, в частности, масс-спектрометрии.

Еще в 2016 году ведущие разработчики нанопор были пессимистичны в отношении возможности применения технологии для крупномасштабного белкового профилирования в ближайшем будущем. Сооснователь Oxford Nanopore Хейган Бэйли заявил, что они "даже не близки к этому" и что это "немного натянутая цель".

Однако Певзнер считает, что прорыв уже близок. "Ключ в использовании машинного обучения для анализа информации, генерируемой белками при их транслокации через нанопору", — сказал он. Применение методов машинного обучения позволило выявить уникальные сигналы, которые могут привести к крупномасштабному анализу белков с помощью нанопор.

Певзнер отметил, что на раннем этапе препятствия казались непреодолимыми: "Данные были настолько зашумленными, что мы почти подумали, что стоит сдаться". По сравнению с идентификацией белков с помощью масс-спектрометрии, которая уже стала почти зрелой областью, казалось, нет надежды, что нанопоры смогут дать сопоставимый сигнал.

Все изменилось, когда исследователи применили к проблеме инструмент машинного обучения — анализ на основе случайного леса. "Внезапно проявилась структура сигнала", — вспоминает аспирант лаборатории Певзнера Михаил Колмогоров.

В статье утверждается, что "существующая технология уже достаточна для сопоставления наноспектров с небольшими белковыми базами данных, например, для идентификации белков в бактериальных протеомах".