奈米孔反覆讀取同一條胜肽，逐步逼近單分子蛋白質定序

DNA定序改寫了生命科學，但要把類似能力搬到蛋白質上，難度高出許多。蛋白質不只有20種常見胺基酸，還會經歷磷酸化等轉譯後修飾；若能在單分子尺度直接讀出這些差異，研究人員便可能看見傳統整體平均分析掩蓋的罕見蛋白變體。南京大學團隊如今在《Nature》發表一套奈米孔方法，朝這項目標推進一步。

這項技術稱為「瞬態孔洞分析物迴圈」（transient pore analyte looping，tPAL）。研究人員改造來源於恥垢分枝桿菌的MspA奈米孔，在孔洞內配置結合鎳離子的轉接結構，並固定待測胜肽。胜肽的N端會反覆進入感測區，使離子電流產生多次、可比較的訊號，而不是讓分子快速穿孔後只留下單次讀值。

真正形成序列資訊的，是讀取與切割之間的配合。團隊加入經膽固醇修飾的胺肽酶，讓酵素從N端一次移除一個胺基酸；每切除一顆，新的N端便進入奈米孔感測位置，產生下一階段的電流變化。如此逐步縮短同一條固定胜肽，可把連續訊號轉換為推斷序列的線索。

研究顯示，tPAL可在單一胺基酸尺度分辨胜肽差異，包括單點替換、轉譯後修飾及非天然胺基酸插入。針對一組僅在N端殘基不同的20種胜肽，團隊在三種電壓下收集訊號並擷取多項特徵，再以機器學習分類；二次支持向量機在十折交叉驗證中的最高準確率達98%。這項結果證明訊號具有高度辨識力，但仍屬受控資料集內的驗證，不能直接等同於未知臨床樣本的定序準確率。

這套設計的價值，在於以「重讀」降低單分子訊號容易波動的問題，同時保留修飾與非天然殘基等化學資訊。若能擴充到更長、更複雜的蛋白質混合物，未來可能補足質譜在低豐度分子、蛋白異構型與細胞間差異分析上的部分限制，也可能用於疾病標誌物或治療性胜肽的精細鑑定。

現階段仍不宜把tPAL視為可直接取代質譜的完整蛋白質定序平台。研究需要先固定胜肽並從N端依序切割，讀取本身也會消耗待測分子；論文公開資訊尚未證明它能在未預先定義的複雜生物檢體中，以足夠通量、涵蓋率與錯誤控制還原大規模蛋白體。機器學習模型對不同奈米孔、批次與樣本條件的泛化能力，也有待獨立資料驗證。

從概念驗證走向實用工具，下一步將是提高平行化程度、建立更完整的胺基酸與修飾訊號庫，並處理酵素切割效率及長序列讀取的遺失訊號。研究團隊已就tPAL方法及其應用申請專利；科學上最關鍵的考驗，則是它能否離開精心設計的胜肽，可靠讀取真實細胞與臨床樣本中的未知分子。