Pesquisadores da EPFL explicaram os comportamentos imprevisíveis de nanoporos biológicos, atribuindo-os a cargas elétricas internas. Ao engenhar variantes do poro bacteriano aerolisina, eles demonstraram como esses poros podem imitar o aprendizado semelhante ao cerebral. As descobertas sugerem potencial para aplicações em computação bioinspirada.
Nanoporos biológicos, pequenos orifícios moleculares essenciais na natureza e na biotecnologia, há muito intrigam os cientistas com seus comportamentos complexos. Proteínas formadoras de poros desempenham papéis chave na defesa imune humana e em toxinas bacterianas que perfuram membranas celulares, permitindo controle preciso do movimento de íons e moléculas. Adaptados para usos como sequenciamento de DNA e detecção molecular, esses poros às vezes exibem retificação — onde o fluxo de íons varia com a polaridade da tensão — e gating, onde o fluxo para abruptamente.
Uma equipe liderada por Matteo Dal Peraro e Aleksandra Radenovic na EPFL investigou esses fenômenos usando o poro bacteriano aerolisina. Eles engenharam 26 variantes modificando aminoácidos carregados dentro do poro, observando o movimento de íons sob várias condições. Aplicando sinais de tensão alternados, eles diferenciaram a retificação, que ocorre rapidamente, do gating que se desenvolve mais lentamente. Modelos biofísicos ajudaram a revelar os mecanismos.
A retificação surge de cargas ao longo da superfície interna do poro que influenciam o movimento de íons, atuando como uma válvula unidirecional que favorece uma direção. O gating, no entanto, resulta de um fluxo intenso de íons que perturba o equilíbrio de cargas, desestabilizando a estrutura flexível do poro e causando bloqueio temporário até o reset. Inverter os sinais de carga permitiu controle sobre o tempo de gating, enquanto aumentar a rigidez do poro o eliminou completamente, destacando a importância da flexibilidade estrutural.
Essas percepções permitem o design personalizado de nanoporos para reduzir o gating indesejado em detecção ou explorá-lo para computação. Em um experimento chave, a equipe criou um nanoporo que imita a plasticidade sináptica, "aprendendo" de pulsos de tensão semelhantes a sinapses neurais. Isso aponta para processadores baseados em íons futuros que aproveitam o aprendizado molecular. O estudo aparece em Nature Nanotechnology (2025; DOI: 10.1038/s41565-025-02052-6).