生物胺是一类具有重要生物功能的有机含氮化合物，在生物体内发挥着关键的生理作用。生物胺也广泛存在于高蛋白食品中，但过量摄入生物胺可能引发毒性效应。因此，检测生物胺水平对于食品安全问题至关重要。传统的生物胺检测方法，比如色谱、质谱以及光谱法，在特异性、仪器复杂性以及衍生化步骤等方面仍存在局限。纳米孔是一种新型单分子传感器，已成功用于检测多种生物分子，如核苷酸、氨基酸、核酸、肽段、蛋白质及糖类。但能够有效区分不同类型生物胺的纳米孔传感器尚未实现，这一能力对于确定毒性物质类型和程度具有关键意义。具备多胺分辨能力的纳米孔可在无需分离、避免信号干扰的情况下，深入解析这些有毒物质的含量。

近日，我们课题组采用在孔道收缩区修饰有镍离子的耻垢分枝杆菌膜蛋白A纳米孔（MspA-NTA-Ni）用于生物胺传感，借助镍离子的配位作用，实验成功检测并区分了包括脂肪族、芳香族和杂环族在内的共6种生物胺，并提出了相应的传感机制。在机器学习的辅助下，该方法可以进一步应用于虾样品中生物胺的检测，显示出其在食品新鲜度评估中的应用潜力。

首先，我们通过在MspA纳米孔收缩区域化学修饰次氮基三乙酸并结合镍离子，实现了在孔道内部固定镍离子。并且我们探究了MspA-NTA-Ni传感6种生物胺的效果（图1），6种生物胺分别产生了有差异的传感信号，并且由于组胺存在咪唑部分产生了两类传感信号。

图1：MspA-NTA-Ni传感并区分6种生物胺

进一步，我们提取生物胺传感事件的四种特征，使用机器学习模型六种生物胺进行分类，整体分类准确率可达99.0%（图2a, b）。该机器学习模型可以对六种生物胺混合样品的传感事件逐一识别（图2c, d）。最终在虾肉样品的提取液中同样可以检测到多种生物胺事件，并且可以被机器学习模型准确分类（图2e, f），定量结果也与LC-MS相匹配，说明此方法具有检测食品当中的生物胺组分的能力。

图2：机器学习辅助识别混合样品和虾肉中的生物胺传感事件

该工作以“Nanopore Identification of Biogenic Amines and Its Applications in Food Freshness Evaluation”为题，于2026年1月14日在《ACS Nano》发表（论文链接：https://pubs.acs.org/doi/10.1021/acsnano.5c16056）。黄硕教授和课题组博士后王可凡为该论文的通讯作者，课题组博士生肖云麒和已毕业博士生杜筱谕为该论文共同第一作者。此项研究得到了生命分析化学全国重点实验室以及南京大学化学和生物医药创新研究院（ChemBIC）的重要支持，科技部国家重点研发计划（项目编号：2022YFA1304602）、国家自然科学基金（项目编号：22225405、22534004、223B2402）、中央高校基本科研业务费资助项目（项目编号：020514380336）、南京大学生命科学分析化学国家重点实验室（项目编号：5431ZZXM2509）、博士后创新人才支持计划（项目编号：BX20250087）江苏省卓越博士后（项目编号：2025ZB212）等经费支持。