Credito:Università della California - San Diego
Nel numero di maggio di PLOS Biologia Computazionale , scienziati della UC San Diego e dell'Università di Notre Dame riferiscono di uno studio che potrebbe aprire il campo all'identificazione di proteine basate sui nanopori e, infine, al profilo proteomico di un gran numero di proteine in miscele complesse di diversi tipi di molecole.
Secondo il professore di informatica e ingegneria della UC San Diego Pavel Pevzner, autore senior sulla carta, il nuovo approccio identifica le proteine analizzando i segnali elettrici distinti prodotti quando le molecole passano attraverso un nanoporo (che agisce come un setaccio). In teoria, disse Pevzner, i nanopori potrebbero consentire ai ricercatori di caratterizzare un gran numero di proteine in miscele complesse.
Mentre i nanopori funzionano molto bene nell'analisi di singole molecole, sono meno efficaci quando si cerca di caratterizzare un gran numero di proteine in miscele complesse. Di conseguenza, l'approccio attualmente preferito per lo screening di miscele complesse prevede l'utilizzo di altre tecniche, in particolare la spettrometria di massa. (Pevzner e i professori di informatica Vineet Bafna e Nuno Bandeira sono i principali ricercatori del Center for Computational Mass Spectrometry dell'UC San Diego, finanziato dal NIH.)
Di recente, nel 2016, i principali sviluppatori di nanopori erano pessimisti sulla possibilità di applicare i nanopori alla profilazione delle proteine su larga scala nel breve termine. "Non siamo nemmeno vicini a farlo al momento, Hagan Bayley, cofondatore di Oxford Nanopore, ha dichiarato a GenomeWeb:aggiungendo che "non direbbe che è un obiettivo impossibile, ma è un po' una forzatura".
Pevzner dell'UC San Diego, però, crede che una svolta sia a portata di mano. "La chiave è usare l'apprendimento automatico per analizzare le informazioni generate dalle proteine quando si traslocano attraverso un nanoporo, " ha affermato Pevzner. "Applicando tecniche di apprendimento automatico, siamo stati in grado di identificare segnali distinti che potrebbero portare all'analisi delle proteine nanopori su larga scala".
In un'intervista a GenomeWeb, Pevzner dice che presto, gli ostacoli sembravano intrattabili. "I dati erano così rumorosi che abbiamo quasi pensato che avremmo dovuto arrenderci, " ha spiegato. "Ho lavorato per quasi 10 anni sulla spettrometria di massa top-down, e rispetto all'identificazione delle proteine mediante spettrometria di massa top-down, che ormai è un'area quasi matura, sembrava che non ci fosse speranza che i nanopori potessero produrre un segnale comparabile".
Quindi, quando i ricercatori hanno applicato al problema uno strumento di analisi forestale casuale dall'apprendimento automatico, tutto è cambiato. Ha ricordato Mikhail Kolmogorov, uno studente laureato nel laboratorio di Pevzner:"All'improvviso, è emersa la struttura del segnale”.
Come affermato nel documento PLOS, i ricercatori sostengono che "l'attuale tecnologia è già sufficiente per abbinare i nanospettri a piccoli database di proteine, per esempio., identificazione delle proteine nei proteomi batterici".