Forskare vid EPFL har förklarat de oförutsägbara beteendena hos biologiska nanoporer och tillskrivit dem interna elektriska laddningar. Genom att konstruera varianter av den bakteriella poren aerolysin visade de hur dessa porer kan efterlikna hjärnliknande lärande. Resultaten tyder på potential för bioinspirerade datortillämpningar.
Biologiska nanoporer, små molekylära hål som är essentiella i naturen och biotekniken, har länge förbryllat forskare med sina komplexa beteenden. Porformande proteiner spelar nyckelroller i människans immunförsvar och bakteriella toxiner som punkterar cellmembran, vilket möjliggör exakt kontroll av jon- och molekylrörelser. Anpassade för användningar som DNA-sekvensering och molekylär detektering uppvisar dessa porer ibland rektifiering – där jonflödet varierar med spänningspolaritet – och gating, där flödet plötsligt avstannar.
Ett team ledd av Matteo Dal Peraro och Aleksandra Radenovic vid EPFL undersökte dessa fenomen med hjälp av den bakteriella poren aerolysin. De konstruerade 26 varianter genom att modifiera laddade aminosyror inuti poren och observerade jonrörelser under olika förhållanden. Genom att applicera växelströmspänningssignaler skiljde de rektifiering, som sker snabbt, från långsammare utvecklande gating. Biofysikaliska modeller hjälpte till att avslöja mekanismerna.
Rektifiering uppstår från laddningar längs porens inre yta som påverkar jonrörelserna och fungerar som en envägsventil som gynnar en riktning. Gating uppstår dock från intensivt jonflöde som stör laddningsbalansen, destabiliserar porens flexibla struktur och orsakar tillfällig blockering tills återställning. Att vända laddningstecken möjliggjorde kontroll av gating-tidpunkten, medan förstärkning av porens styvhet eliminerade den helt, vilket understryker strukturell flexibilitets betydelse.
Dessa insikter möjliggör anpassad nanopordesign för att minska oönskad gating i detektering eller utnyttja den för databehandling. I ett nyckelförsök skapade teamet en nanopor som efterliknar synaptisk plasticitet och "lär" sig från spänningspulser liknande neurala synapser. Detta pekar mot framtida jonbaserade processorer som utnyttjar molekylärt lärande. Studien publiceras i Nature Nanotechnology (2025; DOI: 10.1038/s41565-025-02052-6).