美國量子硅公司(Quantum-Si, Inc) Brian D. Reed等研究人員開發新型單分子蛋白測序技術，高靈敏度蛋白/肽段測序，解析蛋白突變/修飾以及蛋白混合物中的成分(1)。
該技術主要基於熒光標記的recognizer蛋白識別待測蛋白/肽段的末端氨基酸，以及可以從蛋白末端切割氨基酸的酶（Aminopeptidases）。熒光recognizers蛋白與末端氨基酸結合時的特徵性熒光模式（熒光壽命、強度（為了區分熒光類型）以及結合動力學「指紋」等）可以被成像系統捕捉，進而定位其氨基酸類型；後續配合蛋白酶的末端切割可進一步識別後續氨基酸（見下圖）(1)。
圖1：基於末端氨基酸識別的單分子蛋白測序技術(1)
圖2：recognizer蛋白識別不同末端氨基酸產生的特徵性熒光模式(1)
該項工作2022年10月13日發表在Science；研究人員表示通過定向進化等開發更多特異性識別的recognizer蛋白與末端切割蛋白酶有望實現高靈敏蛋白de novo測序，助力蛋白質學研究(1)。
Comment(s):
蠻有潛力的技術。除了作者們提到的開發更好的recognizer蛋白以及蛋白酶，訓練合適機器學習模型（比如搭建generative adversarial network (GAN)框架），並配合質譜數據，也可以提升對複雜生物樣本中蛋白質組的解析能力(2)。
參考文獻：
1. B. D. Reed et al., Real-time dynamic single-molecule protein sequencing on an integrated semiconductor device. Science (80-. ). 378, 186–192 (2022).
2. I. J. Goodfellow et al., Generative Adversarial Networks. arXiv. 11046 LNCS, 1–9 (2014).
原文鏈接：
https://www.science.org/doi/10.1126/science.abo7651
