β 淀粉样蛋白 1-40 包被的金胶体的 pH 依赖性可逆自组装的表征
2025年3月21日
在这里，我们提出了一种系统的方法，描述了淀粉样蛋白 β 1-40 （Aβ 1-40） 包被的 20 nm 金聚集体的准可逆自组装。肽之间纳米尺寸依赖性的准可逆网络与 Aβ 1-40 单体的特定氨基酸或部分相关。
我的研究重点是获得 β 淀粉样蛋白 1-40 在金纳米颗粒表面被吸收并发生可逆聚集过程时的关键确认信息。我们在该研究领域面临的挑战是获得反向聚集过程的热、化学和动力学信息。该项目的伟大发现是，当 β 淀粉样蛋白 1-40 被金纳米颗粒表面吸收时，我们能够识别导致淀粉样蛋白 β 1-40 折叠或展开确认的特定运动或振动模式。
使用 SERS（表面增强拉曼散射光谱）的最大优势是可以检测非常小的微弱散射信号，以识别导致折叠和展开的关键模式。同时，我们能够确定聚集体的形态。我们能够从这个项目中得出的发现是蛋白质-蛋白质相互作用的关键相互作用，这对于导致寡聚物和纤维化很重要。
首先，使用微量移液器，将 1 毫升蒸馏去离子水加入 1 毫克冻干 β 淀粉样蛋白或 A β 1-40 中。将溶液与涡旋混合器混合约 30 秒。确保在室温（约 20 摄氏度）下没有固体颗粒残留在溶液中。
接下来，使用去离子水和蒸馏水制备肽储备液。通过光谱测量 275 纳米处的酪氨酸吸收来确定肽浓度。将 A beta 1-40 储备溶液储存在零下 80 摄氏度。
在数据收集前约 5 分钟解冻肽储备液。在 15 mL 离心管中，将 8 μL 肽溶液与 800 μL 金胶体颗粒混合。加入 4.2 毫升去离子蒸馏水，然后涡旋样品 10 秒钟。
将 A β 1-40 肽的浓度固定在 1.8 纳摩尔，并在特定范围内调整肽与金胶体颗粒的比例。使用 UV 可见分光光度计的温度控制单元，将溶液设置在室温下，大约 22 摄氏度。使用 pH 计监测样品溶液的初始 pH 值，并将其调节至略低于 pH 值 7。
收集 400 至 800 纳米范围内的吸收光谱。然后，通过添加 1.0 μL 增量的 1.0 mol 盐酸，将样品的 pH 值调节至大约 pH 4。收集 400 至 800 纳米相同范围内的吸收光谱。
接下来，通过添加大约 1.5 μL 的 1.0 mol 氢氧化钠，将样品的 pH 值调节至大约 10。在 400 至 800 纳米的相同波长范围内收集吸收光谱。之后，通过添加盐酸或氢氧化钠，将 pH 值在 pH 值 4 和 pH 值 10 之间改变 10 次。
在 25 摄氏度下连续收集吸收光谱。获取波长作为吸光度函数的 ASCII 数据集。使用 PeakFit 程序提取谱带峰的平均位置。
使用 plot 函数绘制数据集，以将光密度可视化为波长的函数。通过在绘制数据中选择初始峰值波长 lambda 1 和 lambda 2，确定并标记它们。使用原始程序的峰值拟合函数拟合数据。
获取显示标记为 XCI 的每个 lambda 的中心峰位置以及相应的条带面积（表示为 AI）的图表。将提取的峰位置和相应区域导出到电子表格程序中进行分析。通过使用显示的公式将条带面积与整个条带的总面积进行比较，计算每个峰中心的加权因子 AI。然后，使用屏幕上显示的方程式提取平均峰位置。
要生成可逆性图，请将平均峰位置制成表格，作为作编号 N 的函数，如屏幕上所述，分配作编号 N。使用显示的公式分析 N 处的峰位置。将计算出的数据集传输到原始软件中并绘制。
选择分析的非线性曲线拟合，输入 A、B、C、D 和 E 的初始值，然后单击运行以完成曲线拟合过程。要进行拉曼成像，对于作编号 N 的每个样品，将 100 微升溶液放在直径为 1 厘米的云母盘上。测量前让样品干燥过夜。
接下来，为每个作编号 N 收集白光图像，因为 pH 值在 4 到 10 之间不断变化，因此在新的云母盘上准备单独的样品。收集每个作编号的拉曼图像，并使用上述波长为 633 纳米的激光器规格。以 100 x 100 像素的网格捕获图像，具有特定的积分时间，重点关注所需的光谱区域。
绘制每个作编号 N 的代表性光谱，作为 N 的函数排列，构建三维表面增强拉曼光谱或 SERS 光谱，作为 A β 1-40 涂层的 20 纳米金的 N 的函数。利用光谱的顶视图作为等值线图，提取与特定 pH 条件相关的特定模式。识别仅在偶数或奇数作编号处增强的频谱特征。
当溶液的酸性增强时，A β 1-40 涂层的金纳米颗粒的 SPR 带从 530 纳米移动到约 650 纳米。这对应于通过 TEM 观察到的具有展开的 A β 1-40 单体的金胶体聚集体的形成。A beta 1-40 涂层金的 pH 依赖性颜色变化也很明显。
平均波段的可逆 pH 依赖性偏移在较短和较长的波长之间达到峰值，并且在 TEM 中观察到的交替分散和聚集形态证实了该过程的准可逆性质。白光成像显示与 pH 值变化相对应的清晰、可逆的聚集模式，而 SERS 光谱在指纹区域中显示出细微的 pH 依赖性变化。
概述
本研究提出了一种准可逆淀粉样β1-40 (Aβ 1-40) 包覆金纳米粒子自组装的系统方法。研究重点在于理解Aβ 1-40在吸附到金表面时的聚集过程，揭示影响蛋白质折叠的关键相互作用。
关键研究组成部分
科学领域
- 神经科学
- 生物物理学
- 纳米技术
背景
- Aβ 1-40与阿尔茨海默病有关。
- 金纳米粒子用于研究蛋白质相互作用。
- 理解蛋白质聚集对治疗开发至关重要。
- 表面增强拉曼散射（SERS）有助于检测蛋白质构象的细微变化。
研究目的
- 研究金纳米粒子上Aβ 1-40的可逆聚集。
- 识别与蛋白质折叠相关的特定振动模式。
- 探索Aβ 1-40聚集体的pH依赖行为。
使用的方法
- 准备Aβ 1-40溶液和金胶体。
- 在不同pH水平下监测吸收光谱。
- 利用SERS检测蛋白质构象变化。
- 分析光谱数据以确定峰值位置和面积。
主要结果
- Aβ 1-40包覆金纳米粒子的SPR带随pH变化而移动。
- 通过光谱分析确认了可逆聚集。
- 通过透射电子显微镜（TEM）观察到明显的形态变化。
- 确定了影响寡聚体形成的关键相互作用。
结论
- 该方法提供了对Aβ 1-40聚集动力学的洞察。
- 理解这些过程对于开发阿尔茨海默病治疗至关重要。
- 未来的研究可以在这些发现的基础上探索其他蛋白质相互作用。
常见问题
Executive Industry Relevance
Precise characterization of pH-dependent reversible self-assembly of amyloid beta 1-40 on gold colloids enables mechanistic de-risking in early-stage neurodegeneration research. Quantitative SPR and SERS outputs provide predictive confidence for target validation and aggregation pathway interrogation. This workflow supports portfolio triage by clarifying aggregation mechanisms relevant to Alzheimer's disease models.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables interrogation of amyloid aggregation pathways under controlled physicochemical conditions.
- Supports functional target validation by linking conformational states to aggregation propensity.
- Provides mechanistic de-risking through direct observation of reversible folding and unfolding events.
- Facilitates predictive confidence in selecting aggregation-modulating targets.
Screening & Assay Development
- Establishes validated, reproducible aggregation assays using gold colloid platforms.
- Delivers quantitative SPR and SERS readouts for robust assay standardization.
- Enables high-content screening of aggregation modulators by monitoring spectral shifts.
- Supports platform scalability and reuse for related protein aggregation studies.
Translational & Preclinical Research
- Aligns aggregation state measurements with disease-relevant biomarker profiles.
- Provides continuity from in vitro aggregation models to preclinical validation of anti-aggregation strategies.
- Enables risk-adjusted advancement of candidates targeting amyloid aggregation.
- Supports mechanistic de-risking for translational biomarker development.
Pipeline & Workflow Integration
This method integrates into the discovery-to-preclinical continuum by enabling hypothesis-driven aggregation studies, quantitative assay development, and translational biomarker alignment.
- Discovery Biology: Supports hypothesis testing on aggregation mechanisms and conformational transitions.
- Screening: Provides reproducible, quantitative SPR and SERS outputs for compound evaluation.
- Analytics: Delivers spectral and morphological readouts for comparative condition analysis.
- Translational Research: Bridges in vitro aggregation findings to preclinical biomarker strategies.
- Enterprise Reuse: Offers a reusable platform for diverse protein aggregation and folding studies.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in aggregation research.
- Operational Value: Standardizes aggregation assays with scalable, reproducible outputs.
- Strategic Value: Informs go/no-go decisions and enhances capital efficiency in neurodegeneration portfolios.
- Portfolio Impact: Enables risk-adjusted prioritization of aggregation-modulating candidates.
Implementation Considerations
- Requires expertise in SPR, SERS, and protein aggregation analytics.
- Needs access to advanced spectroscopic and imaging instrumentation.
- Demands cross-team standardization of assay protocols and data analysis workflows.
- Adaptation may be needed for different protein or nanoparticle systems.
- Interpretation of subtle spectral differences requires rigorous analytical validation.
Biopharma FAQs
Chapters in this video
0:00
Introduction
1:39
Preparation of Aβ1 40 Coated Gold Nanoparticles
3:06
Monitoring the Surface Plasmon Resonance Band Shift of Aβ1 40 Coated Gold Nanoparticles During Iterative pH Change
6:16
Raman Imaging of Aβ1 40 Coated Gold Nanoparticles During Iterative pH Change
7:47
Results
