Ученые из Roswell Biotechnologies разработали первый чип молекулярной электроники, который использует отдельные молекулы в качестве универсальных сенсорных элементов. Чип представляет собой платформу для одномолекулярного измерения кинетики связывания и активности ферментов. Статья о разработке опубликована в журнале Proceedings of the National Academy of Sciences.
Биосенсор, разработанной командой Roswell Biotechnologies, состоит из программируемого полупроводникового чипа с масштабируемой архитектурой массива датчиков. Каждый элемент массива представляет собой измеритель электрического тока, протекающего по молекулярной проволоке к наноэлектродам, соединенным с цепью. Прикрепление определенных молекул к молекулярной проволоке вызывает появление тока в цепи. Эти измерения зависимости тока от времени считываются с массива датчиков со скоростью тысячи измерений в секунду, что дает возможность собирать данные о молекулярных взаимодействиях с высоким разрешением и точностью в реальном времени.
«Цель этой работы — положить биозондирование на идеальную технологическую основу для будущего медицины, — говорит старший автор статьи Барри Мерриман. — Мы предварительно уменьшили сенсорный элемент до молекулярного уровня, чтобы создать биосенсорную платформу, которая сочетает в себе совершенно новый вид однократного измерения в реальном времени».
В статье представлен широкий спектр молекул, которые может детектировать чип, в том числе ДНК, аптамеры, антитела и антигены. Также он может отслеживать активность ферментов, имеющих отношение к диагностике и секвенированию, включая фермент CRISPR/Cas. Подобные зонды потенциально можно будет применять для быстрого тестирования на COVID-19, открытия лекарств и решения задач протеомики.
Датчик способен считывать даже последовательность ДНК, так как в цепь интегрирована ДНК-полимераза — фермент, копирующий ДНК. В отличие от других технологий секвенирования, основанных на косвенных измерениях активности полимеразы, этот подход обеспечивает прямое наблюдение за ферментом в режиме реального времени. Эти сигналы активности можно анализировать с помощью алгоритмов машинного обучения, чтобы читать последовательность генетического кода.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
