固态纳米孔平台结合机器学习在20%人血清中直接识别和定量肽类标志物
Direct Identification and Quantification of Peptide Biomarkers in 20% Human Serum Using a Solid-State Nanopore Platform and Machine Learning
研究团队构建聚合物修饰的固态纳米孔平台,在20%人血清中直接电学识别并定量肽类生物标志物。半稀聚乙二醇网络产生渗透驱动力促进肽捕获,同时屏蔽导致纳米孔堵塞的非特异性相互作用;结合机器学习辅助的数字血清清洗,可从血清背景中提取肽特异性电学指纹。概念验证中,仅差一至两个末端氨基酸的BK、DABK和LBK各自产生不同电学特征,可在缓冲液和血清中实现单分子区分,并在不同组成的20%血清混合物中识别和定量。
研究展示固态纳米孔结合机器学习,在20%人血清中区分仅差一两个氨基酸的三种激肽标志物,为复杂体液直接检测提供方法参考。
已发表论文 · journal · 10.1021/jacs.6c17884
本站摘要基于收录版本 v1(2026-10-28),原始摘要与 AI 导读固定保留。
IF(5) 16.1 · 2025 · 期刊参考指标
在医疗保健领域,对致残性或危及生命的疾病的早期发现仍是一项重大挑战,其依赖于在生物体液中直接识别疾病特异性蛋白质和肽生物标志物。在此,我们建立了一种聚合物工程化的固态纳米孔平台,用于在20%人血清中直接进行肽生物标志物的电学识别与定量。半稀聚乙二醇网络产生渗透驱动力,在促进肽捕获的同时屏蔽导致纳米孔堵塞的非特异性相互作用。我们将这种基于聚合物物理的策略与机器学习辅助的数字血清清洗相结合,以克服生物样品的复杂性。因此,该方法能够从血清背景中提取肽特异性的电学指纹。作为概念验证,我们研究了三种密切相关的激肽生物标志物:缓激肽(BK)、去Arg9-缓激肽(DABK)和赖氨酰缓激肽(LBK),它们仅在一到两个末端氨基酸上存在差异。尽管结构高度相似,但每种肽都会产生独特的电学特征,从而能够在缓冲液和血清中实现可靠的单分子区分。该平台还能在20%血清中不同组成的混合物中进一步识别和定量这些生物标志物。更广泛地说,这项工作建立了一种通用策略,用于在临床相关生物体液中直接对密切相关的肽生物标志物进行电学解码。
来源:Journal of the American Chemical Society · doi.org