Ученые раскрыли механизм «обучения» бактериальных нанопор

Изображение клеточной мембраны (рис) с нанопорами (брокколи), выпускающими ионы (семена). Автор: Алекандра Раденович/EPFL

Исследователи из Федеральной политехнической школы Лозанны (EPFL) определили физические механизмы, стоящие за двумя загадочными явлениями в работе биологических нанопор — ректификацией и затворным эффектом (гейтингом). Эти открытия могут привести к созданию «умных» нанопор для биотехнологий и даже к новым формам вычислений, имитирующих работу мозга.

Нанопоры, образованные белками, играют ключевую роль в контроле движения ионов и молекул через клеточные мембраны. Однако их поведение часто бывает сложным и непредсказуемым. Два эффекта, которые долгое время ставили ученых в тупик, — это ректификация (когда поток ионов меняется в зависимости от направления приложенного напряжения) и гейтинг (внезапная остановка потока ионов).

Команда под руководством Маттео Даль Пераро и Алекандры Раденович изучила бактериальный белок аэролизин, часто используемый в исследованиях. Ученые создали 26 вариантов нанопоры, модифицируя заряженные аминокислоты на ее внутренней поверхности, и наблюдали за транспортом ионов.

Исследование показало, что ректификация возникает из-за влияния зарядов внутренней поверхности на движение ионов, создавая подобие «одностороннего клапана». Гейтинг же происходит, когда интенсивный поток ионов нарушает баланс зарядов и временно дестабилизирует структуру поры, блокируя прохождение ионов до «перезагрузки» системы.

Оба эффекта зависят от расположения и типа электрического заряда внутри нанопоры. Повысив жесткость поры, ученые смогли полностью подавить гейтинг, что подтвердило ключевую роль структурной гибкости в этом процессе.

Эти открытия открывают путь к проектированию нанопор с заданными свойствами. В одной из демонстраций команда создала нанопору, имитирующую синаптическую пластичность, которая «обучалась» под воздействием электрических импульсов, подобно нейрону в мозге. Это достижение указывает на возможность создания будущих ионных процессоров, использующих молекулярное «обучение» для новых форм вычислений.