基于纳米通道的单个神经退行性蛋白分子生物信息检测研究

The dynamic aggregations of the toxic protein in neurodegenerative disorders brings challenges to its accurate analysis. Therefore, it is an urgent demand to develop a label free and dynamic analytical method to real-time monitor the aggregation state and the conformational changes of the toxic protein in solution. Based on the previous studies of the applicant in nanopore technology, this project aim to design and fabricate a series of solid-state nanopore array with the controllable diameter. By taking advantages of confine space inside each nanopore, the dynamic aggregation state of the amyloid peptide could be efficiently converted to the distinguishable ionic current read-outs. As a result, the nanopore based characteristic spectra of the toxic protein could be obtained dynamically from its monomer to the fiber state at single-molecule level. Moreover, an intelligent signal processing algorithm and dynamic modeling will be established to recognize the metastable stage of the protein aggregates as well as tracing the folding pathways. Finally, this project will achieve a new method for analyzing the dynamic aggregation of the toxic protein in neurodegenerative disorders at single molecule level.

神经退行性疾病致病蛋白聚集体复杂多变的动态构象为其精准分析及信息检测研究带来挑战。因此，发展一种水溶液体系下，无需标记、实时、动态、精准的生物分子信息检测方法是研究神经退行性疾病致病蛋白聚集体动态构象及其聚集行为的迫切需求。本项目拟在申请人前期纳米孔道单分子分析研究工作基础上，拟设计制备一系列孔道尺寸可控的固体纳米孔道阵列，利用单个纳米孔的限域空间将单个聚集体构象转化为极易分辨的离子流信号，在单分子水平上获得神经退行性疾病致病蛋白从单体到纤维化全过程的纳米孔道特征信息图谱；通过发展瞬态信号智能分析算法及动力学模型，识别聚集体折叠结构变化中间体，追踪致病蛋白聚集路径，从而建立针对神经退行性疾病致病蛋白聚集体动态结构特性的纳米孔道单分子生物信息检测新技术。

针对神经退行性疾病致病蛋白聚集体动态结构特性分析，本项目已研制成纳米孔道阵列生物传感器及放大器系统，开发了纳米孔道单分子电信号智能识别算法，建立了无线纳米孔道电化学传感新方法，从而实现了神经退行性疾病致病蛋白纤维化全过程动态监测。取得的研究成果已达到立项指标，有望应用于高通量、高灵敏地进行单个蛋白质序列及动态结构分析，为蛋白质测序、翻译后修饰、疾病致病机制和信号通路的研究提供可靠分析测量方法和新的测量工具。项目共申请发明专利5项(授权1项)，发表SCI论文24篇，包括Nature Protocols, J. Am. Chem. Soc.，Angew. Chem. Int. Ed. (2篇), Chem. Sci. (3篇)；培养研究生12人，其中4人获得硕士学位；研究团队共参加国内外学术会议20余人次，其中在国际学术会议上做邀请报告10余次。申请人获中国化学会青年化学奖(2020)，英国皇家化学会Analyst新锐科学家讲座奖(2020)，及年美国化学会Rising Star in Measurement Science(2023)；项目研究成果获2022年度中国分析测试协会科学技术奖一等奖(排名第一)。