Label-free SERS Discrimination of Native Proline Hydroxylation at Single-molecule peptide by Deep Learning-assisted plasmonic nanopore

ملخص تقني: التمييز القائم على مطيافية رامان المحسنة بالسطح (SERS) بدون وسوم للهيدروكسيلة الطبيعية للبرولين عند مستوى الببتيد المنفرد عبر ثقب نانوي بلازموني مدعوم بالتعلم العميق

بيان المشكلة
تعد تعديلات ما بعد الترجمة (PTMs)، وتحديداً هيدروكسيلة البرولين في الموقع 4 (prolyl 4-hydroxylation) لعامل تحفيز نقص الأكسجة-1 ألفا (HIF-1α)، بالغة الأهمية في تنظيم الإشارات الخلوية وتطور السرطان. ومع ذلك، يظل التمييز بين قطع الببتيد الهيدروكسيلية وغير الهيدروكسيلية عند مستوى الجزيء الواحد تحدياً كبيراً. تواجه الطرق الحالية قيوداً متميزة: حيث تتطلب مطيافية الكتلة أعداداً جزيئية عالية ($10^6$–$10^8$) وتعاني من تفسيرات خاطئة بسبب تغير القواعد التوافقية؛ وتوفر استشعار النبض المقاوم في الثقوب النانوية (nanopore resistive pulse sensing) قراءات غير مباشرة مشفرة في سعة حجز التيار بدلاً من البصمات الكيميائية المباشرة؛ بينما تعاني مطيافية رامان المحسنة بالسطح (SERS) التقليدية من ضعف المقاطع العرضية لرامان الخاصة بالهيدروكسيلة، والتداخل الطيفي مع هيكل الببتيد، وعدم التجانس في تكوينات الامتزاز الجزيئي والبؤر الكهرومغناطيسية الساخنة. وبناءً على ذلك، فإن اكتشاف بصمات تعديلات ما بعد الترجمة الدقيقة مثل الهيدروكسيلة في أنظمة الببتيد المعقدة يعوقه انخفاض القدرة على التكرار وصعوبات في التفسير الطيفي.

المنهجية
طوّر المؤلفون منصة هجينة تجمع بين مستشعر SERS "للجسيم داخل الثقب" (particle-in-pore) عند مستوى الجزيء المنفرد، مع تحليل طيفي إحصائي وتعلم عميق.

1. منصة SERS "الجسيم في الثقب": يستخدم النظام مصفوفة ثقوب ذهبية (ثقوب بقطر 250 نانومتر في غشاء ذهبي بسمك 100 نانومتر على غشاء SiN) مدمجة في جهاز ميكروفلويديك (microfluidic). يتم توجيه جسيمات الذهب النانوية (AuNPs) المحملة بالببتيد (بقطر 50 نانومتر) عبر الثقوب بواسطة التحريك الكهربائي والتحريك الأسموزي الكهربائي. يسلط ليزر بطول موجي 785 نانومتر قوة بصرية، مما يعمل على حبس جسيم الذهب النانوي (AuNP) ضد جدار الثقب. يخلق هذا التكوين بؤرة بلازمونية محصورة بين جسيم الذهب وجدار الثقب، مما يتيح حساسية بمستوى الجزيء المنفرد مع تقليل تغطية إشارة الهيكل الببتيدي.
2. أنظمة الببتيد: تم تخليق ثلاثة أزواج من قطع ببتيدات HIF-1α التي تحتوي على موقع هيدروكسيلة البرولين-564 بأطوال 7 و9 و15 حمضاً أمينياً (AA). تم امتزاز المتغيرات غير الهيدروكسيلية (HIF7S, HIF9S, HIF15S) والهيدروكسيلية (HIF7SPTM, HIF9SPTM, HIF15SPTM) فيزيائياً على جسيمات الذهب النانوية المغلفة بالسترات لتشكيل طبقات أحادية.
3. جمع ومعالجة البيانات: تم جمع أطياف رامان للسلاسل الزمنية أثناء أحداث حبس الجسيمات النانوية. تمت معالجة أكثر من 6,800 طيف فعال لكل مجموعة بيانات (تصحيح خط الأساس، إزالة الأشعة الكونية، والتقييس).
4. التحليل الإحصائي (POF): لمعالجة التقلبات الطيفية للجزيء المنفرد، استخدم المؤلفون تحليل تردد ظهور القمة (Peak Occurrence Frequency - POF). يقوم هذا الأسلوب بتجميع مجموعات البيانات الضخمة لإعادة بناء ملفات تعريف طيفية ممثلة، وتحديد السمات الطيفية القابلة للتكرار بناءً على تكرار ظهور القمم عند إزاحات رامان المحددة بدلاً من الشدة المطلقة.
5. التصنيف بالتعلم العميق: تم تدريب شبكة عصبية تلافيفية أحادية الأبعاد (1D-CNN) لتصنيف الببتيدات الهيدروكسيلية مقابل غير الهيدروكسيلية باستخدام البيانات الطيفية الكاملة. تم تعزيز قابلية تفسير النموذج باستخدام خرائط التنشيط الطبقي الموزونة بالتدرج (Grad-CAM) لتصور المناطق الطيفية التي دفعت قرارات التصنيف.

النتائج الرئيسية

• البصمات الطيفية وتغيرات الامتزاز: كشف تحليل POF عن تغيرات طيفية قابلة للتكرار تعتمد على الهيدروكسيلة. بالنسبة لقطع الببتيد المكونة من 7 و9 أحماض أمينية، أدت الهيدروكسيلة إلى كبح نطاق Met $\nu$(C–S) عند ~680 سم⁻¹، وعززت النطاقات القريبة من 712، 1016، 1121، و1234 سم⁻¹. يشير هذا إلى تحول في تكوين الامتزاز من توجه يهيمن عليه الميثيونين (Met) إلى تكوينات بديلة تتضمن تفاعلات حلقة التيروسين (Tyr) أو نهايات الببتيد.
• دقة التمييز: حققت شبكة 1D-CNN دقة تصنيف للطيف المنفرد بعد التقييم بلغت 72.98% (7AA)، و78.55% (9AA)، و89.74% (15AA). وكانت قيم المساحة تحت المنحنى (AUC) هي 0.80، و0.88، و0.96 على التوالي. ومن الملاحظ أن الدقة زادت مع طول الببتيد، وهو ما يخالف التوقعات بأن الببتيدات الأطول والأكثر تعقيداً ستكون أصعب في التمييز.
• التضخيم بوساطة الامتزاز في الببتيدات الأطول: بالنسبة لزوج الببتيد المكون من 15 حمضاً أمينياً، أظهر المتغير الهيدروكسيلي (HIF15SPTM) تردداً أعلى بكثير في POF لنطاق السترات المرتبط بـ 1073 سم⁻¹ (0.266) مقارنة بالمتغير غير الهيدروكسيلي (0.033). يشير هذا إلى أن الهيدروكسيلة تغير تكوين الببتيد أو الألفة السطحية، مما يقلل من كفاءة الامتزاز ويترك المزيد من السترات على سطح جسيم الذهب النانوي. عمل هذا التأثير بوساطة الامتزاز على تضخيم الاختلافات الطيفية، مما ساهم في دقة التمييز الفائقة (AUC > 0.96) لزوج الـ 15AA.
• قابلية تفسير النموذج: أكدت رؤية Grad-CAM أن المناطق الطيفية الحساسة للـ CNN تتداخل مع ميزات POF المتكررة التي تم تحديدها كمعتمدة على الهيدروكسيلة. لوحظت أوزان سمات عالية عند 680، 712، 1016، 1121، و1234 سم⁻¹، بالإضافة إلى منطقة السترات (1073 سم⁻¹) لـ ببتيدات 15AA، مما يؤكد الصلة الكيميائية للأنماط المتعلمة.

الأهمية والادعاءات
يزعم البحث أن دمج SERS "للجسيم في الثقب" عند مستوى الجزيء المنفرد مع تحليل POF والتعلم العميق يوفر استراتيجية قوية للتحليل فائق الحساسية لبصمات تعديلات ما بعد الترجمة الضعيفة. وتشمل المساهمات الرئيسية ما يلي:

1. التغلب على عدم التجانس الطيفي: أظهرت الدراسة أن إعادة البناء الإحصائي (POF) والتعلم العميق يمكنهما استخراج الأنماções التمييزية بفعالية من البيانات غير المتجانسة والمشوبة بالضجيج لـ SERS عند مستوى الجزيء المنفرد.
2. الرؤية الآلية: يكشف العمل أن التمييز لا يعتمد فقط على الاختلافات الاهتزازية الجوهرية لمجموعة الهيدروكسيل، بل يتم تضخيمه بشكل كبير من خلال التغيرات في سلوك امتزاز الببتيد والتفاعلات السطحية (مثل إزاحة السترات).
3. القابلية للتوسع: نجحت الطريقة في تمييز تعديلات ما بعد الترجمة في الببتيدات مع زيادة تعقيدها الهيكلي (حتى 15 حمضاً أمينياً)، مما يشير إلى أن التغيرات الطيفية بوساطة الامتزاز قد تصبح أكثر وضوحاً في الأنظمة الأكبر، مما يساعد بدلاً من أن يعيق الكشف.
4. الكشف بدون وسوم: يقدم هذا النهج بديلاً بدون وسوم لمطيافية الكتلة والطرق القائمة على الأجسام المضادة للكشف عن تعديلات ما بعد الترجمة منخفضة الوفرة، مما قد يتيح التشخيص المبكر للأمراض ودراسة ديناميكيات البروتين عند مستوى الجزيء المنفرد.

يخلص المؤلفون إلى أن هذا الإطار يوفر مساراً واعداً لتحليل التغيرات الهيكلية والكيميائية الدقيقة في الجزيئات الحيوية، مما يسد الفجوة بين الاستشعار عند مستوى الجزيء المنفرد والتفسير البيولوجي المعقد.