综述：生物系统核磁共振光谱技术的进展：原理、技术及其日益广泛的应用范围

《Biotechnology Advances》：Advances in NMR spectroscopy for biological systems: Principles, techniques, and their growing scope

核磁共振（NMR）光谱学通过同位素标记、高磁场、低温探针等技术突破，成为解析复杂生物分子结构和动态的关键工具，尤其在疾病相关蛋白研究中不可或缺。结合人工智能，NMR在代谢组学驱动的生物标志物发现中显著加速了研究进程，为分子科学和临床治疗提供新视角。

　　

亚当·A·阿博阿尔鲁布

药理学与诊断研究中心（PDRC），药学科学系，阿曼阿赫利亚大学药学院，阿曼19328

摘要

核磁共振（NMR）光谱是结构生物学中的一种关键工具，它能够以原子级分辨率揭示蛋白质的结构、动态及其相互作用，尤其是在与天然条件极为相似的环境中。通过关键方法论的突破——包括策略性的同位素标记、更强的磁场、低温探针和先进的脉冲序列——NMR已成为获取复杂生物分子（尤其是与疾病相关的致病蛋白）原子级信息的决定性方法。这些进步使得各种NMR技术成为可能，从高分辨率溶液NMR和固态NMR（ssNMR）用于不溶性蛋白质组装，到细胞内NMR。除了结构分析外，NMR还提供了强大的定量性能、高重复性和丰富的结构信息，使其成为生物分子分析和代谢组学的宝贵平台。本文旨在全面概述这些关键作用，特别强调将人工智能（AI）整合到NMR技术中，以加速基于代谢组学的生物标志物发现，用于各种疾病和状况的研究。

引言

蛋白质构成了生命的基本分子机制，几乎驱动了所有细胞活动，从催化和结构支持到信号传导和运输（Goodsell, 2009）。蛋白质的天然灵活性，通过在不同时间尺度上的构象变化和转换得以体现，这对它们的广泛生物学功能至关重要（Csizmok et al., 2016）。在健康生物体中，蛋白质的精确调控维持了细胞稳态和适应性反应；相反，蛋白质结构、表达或调控的紊乱与多种疾病密切相关，包括癌症、阿尔茨海默病和帕金森病等神经退行性疾病以及代谢综合征（Sanz-Hernández et al., 2021）。病理事件，如蛋白质错误折叠和聚集（如淀粉样变性中所见），或改变功能的基因突变，突显了它们在疾病发展中的核心作用（Sanz-Hernández et al., 2021; Tong et al., 2024）。因此，要全面理解蛋白质的功能，无论是正常健康状态还是疾病状态，都需要阐明其内在动态及其静态结构特征。然而，许多传统的结构生物学技术，如X射线晶体学和冷冻电子显微镜（cryo-EM），在捕捉这些动态过程方面存在固有限制，或者需要有序且刚性的晶体样品。这限制了它们在生理相关蛋白质状态下的应用范围。在这种关键背景下，NMR光谱脱颖而出，提供了对蛋白质构象动态和结构景观的无与伦比的原子级洞察（Hu et al., 2021; Kitoka et al., 2021）。关键NMR技术的协同发展——包括先进的同位素标记、更高磁场强度、低温探针和优化的脉冲序列——已牢固确立NMR作为金标准，极大地增强了其分析大型和复杂生物分子（从高度动态的蛋白质到不溶性聚集体）的能力。这种综合能力为疾病机制提供了宝贵的见解，为靶向治疗干预铺平了道路。这些进步使得各种NMR技术的应用成为可能，特别是高分辨率溶液NMR用于可溶性系统，固态NMR（ssNMR）用于不溶性蛋白质组装（如淀粉样纤维），以及细胞内NMR用于直接研究蛋白质在其天然细胞环境中的状态（Hu et al., 2021; Loquet et al., 2018; Luchinat and Banci, 2018）。

代谢组学——对低分子量代谢物的全面分析——通过检测指示潜在调控过程的动态生物标志物，为理解细胞生理提供了强大工具（Qiu et al., 2023）。虽然它在药物发现、毒理学和环境科学等多个领域都有用，但其主要价值在于揭示疾病机制并促进预防、早期诊断和临床管理（Astarita et al., 2023; Qiu et al., 2023）。除了在揭示大分子结构和动态方面的主要优势外，NMR还提供了独特的定量重复性、非破坏性分析和结构可解释性，补充了基于质谱的代谢组学工作流程（Astarita et al., 2023; Wishart et al., 2022）。它能够提供细胞代谢物的详细谱型，使其成为系统生物学和临床研究的重要工具（Astarita et al., 2023; Qiu et al., 2023; Wishart et al., 2022）。随着计算能力的快速增长，人工智能（AI）和机器学习（ML）正在通过提供对复杂数据集前所未有的访问和理解能力，显著改变科学领域（Keith et al., 2021; Klukowski et al., 2025; Meng et al., 2025）。在NMR光谱中，各种ML技术越来越多地被整合到不同方法中，从信号处理和光谱分配到分析复杂混合物和预测结构（Klukowski et al., 2025）。这些技术利用先进的算法架构，正在从根本上改变基于NMR的分析（Jumper et al., 2021; Klukowski et al., 2023）。本综述面向广泛的科学读者群体，包括研究生、早期职业研究人员以及结构生物学、生物化学、生物物理学、生物技术和系统生物学等领域的专业人士。其目标是（i）介绍生物分子NMR的基本原理，（ii）总结关键的方法论和技术进步，（iii）突出溶液态、固态和细胞内NMR的最新进展，（iv）探讨正在改变生物分子和代谢组学研究的NMR-AI集成。通过结合传统概念和前沿创新，本综述旨在让读者全面了解NMR光谱不断扩展的应用范围及其对分子科学、疾病理解和治疗发展的影响。

章节摘录

NMR光谱的力量

NMR光谱的独特之处在于它能够以非破坏性和非侵入性的方式提供关于分子结构、动态及其相互作用的原子级信息（Aboalroub et al., 2017a; Keramisanou et al., 2016）。与许多需要刚性或晶体样品的结构技术不同，NMR能够在生理相关环境中直接研究分子——包括生物液体、细胞提取物，甚至是完整的活细胞（Hu et al., 2021）。

NMR光谱的原理

NMR光谱利用¹H、²H、¹³C和¹⁵N等核的磁性质来以原子级分辨率研究蛋白质结构和动态（Hu et al., 2021; Klukowski et al., 2025）。像¹³C和¹⁵N这样的自旋为?的核特别有价值，因为它们会产生清晰、分辨率高的信号。相比之下，自旋大于?的核（例如¹⁴N、²H、¹⁰B）具有四极矩，会与电场梯度相互作用，导致谱线变宽和光谱细节丢失。

蛋白质研究的突破性方法

同位素标记策略、高场NMR仪器、低温探针技术和优化脉冲序列的显著进步共同将核磁共振转变为一种强大且广泛适用的工具，用于研究蛋白质结构和动态（Khalil and Kashif, 2023; Rennella et al., 2025; Rowlinson et al., 2022; Takeda et al., 2008; Van Raad et al., 2023）（图2）。这些发展扩大了NMR可研究的生物分子系统的范围。

高分辨率溶液态NMR

溶液态NMR光谱能够在与生理条件极为相似的环境中研究蛋白质的结构、动态及其相互作用（Huang and Kalodimos, 2017; Pons, 2022; Quinn et al., 2018; Tagami et al., 2023）。这项技术使研究人员能够研究蛋白质如何与不同大小和复杂性的伴侣相互作用——包括小分子、其他蛋白质和核酸——并将这些相互作用与功能结果相关联（“AMYLOID”）

代谢组学在生物标志物发现中的应用

代谢组学——对生物样本中代谢物和低分子量分子的全面分析——为理解生理状态提供了宝贵见解（Astarita et al., 2023; Wishart et al., 2022）。这些代谢物作为生物标志物，是生物体内调控过程的副产品（AMOROSO et al., 2014; Astarita et al., 2023; Bechtold et al., 2010; Qiu et al., 2023; Wishart et al., 2022）。代谢组学在多个领域有广泛的应用

NMR中的人工智能

自20世纪中叶出现以来，NMR一直是分子结构分析的基本工具，带来了许多科学发现（Hu et al., 2021; Nagana Gowda and Raftery, 2021; Platzer et al., 2025）。多年来，其进步与技术进步密切相关，这些进步不断提高了其准确性并扩展了其应用范围（Burz et al., 2006; Hu et al., 2021; Nagana Gowda and Raftery, 2021）。然而，最近最显著的突破在于

结论

在过去八十年中，NMR光谱已发展成为化学、结构生物学和代谢组学中的重要工具，标志着一个成熟且不断进步的详细分子理解时代（Burz et al., 2006; Hu et al., 2021; Nagana Gowda and Raftery, 2021）。虽然关键的方法论改进——如策略性的同位素标记、更高磁场强度、低温探针和先进的脉冲序列——已确立NMR作为获取原子级信息的领先方法

关于手稿准备过程中生成式AI和AI辅助技术的声明

在准备本手稿期间，作者使用了Grammarly来改进语法、清晰度和可读性。使用该工具后，作者根据需要审查和编辑了文本，并对发表文章的内容负全责。

未引用的参考文献

Aboalroub, 2025a Aboalroub, 2025b Aboalroub, 2025c Aboalroub et al., 2017b AMYLOID BETA PEPTIDE (25-35), NMR, 20 STRUCTURES, 1997 Baldwin, 2014 Boutajangout et al., 2011 Chakravarthi et al., 2024 Chen et al., 2018a Chen et al., 2018b Kleckner and Foster, 2011 Kumar et al., 2018 PDB-Database, 2025

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本手稿中报告的工作。