O microscópio movido a IA prevê e rastreia a agregação de proteínas ligada a doenças cerebrais

O acúmulo de proteínas dobradas no cérebro é central para a progressão de doenças neurodegenerativas como Huntington, Alzheimer e Parkinson. Mas para o olho humano, proteínas destinadas a formar agregados nocivos não parecem diferentes das proteínas normais.

A formação de tais agregados também tende a acontecer aleatoriamente e relativamente rapidamente – na escala de minutos. A capacidade de identificar e caracterizar agregados de proteínas é essencial para a compreensão e combate a doenças neurodegenerativas.

Agora, usando o aprendizado profundo, os pesquisadores da EPFL desenvolveram um sistema de imagem ‘autônomo’ que aproveita vários métodos de microscopia para rastrear e analisar a agregação de proteínas em tempo real-e até antecipá-lo antes de começar. Além de maximizar a eficiência da imagem, a abordagem minimiza o uso de rótulos fluorescentes, o que pode alterar as propriedades biofísicas das amostras de células e impedir a análise precisa.

“É a primeira vez que conseguimos prever com precisão a formação desses agregados de proteínas”, diz a recente Ph.D. graduado Khalid Ibrahim.

“Como suas propriedades biomecânicas estão ligadas a doenças e a interrupção da função celular, entender como essas propriedades evoluem ao longo do processo de agregação levarão a uma compreensão basic essencial para o desenvolvimento de soluções”.

Ibrahim publicou este trabalho em Comunicações da natureza Com Aleksandra Radenovic, chefe do laboratório de biologia em nanoescala na Escola de Engenharia, e Hilal Lashuel na Escola de Ciências da Vida, em colaboração com Carlo Bevilacqua e Robert previu no Laboratório de Biologia Molecular Europeia em Heidelberg, Alemanha.

O projeto é o resultado de uma colaboração de longa information entre os laboratórios Lashuel e Radenovic que une conhecimentos complementares em neurodegeneração e tecnologias avançadas de imagem de células vivas.

“Este projeto nasceu de uma motivação para criar métodos que revelam novas idéias biofísicas, e é emocionante ver como essa visão agora deu frutos”, diz Radenovic.

Testemunhando o nascimento de um agregado de proteínas

Em seu primeiro esforço colaborativo, liderado por Ibrahim, a equipe desenvolveu um Algoritmo de aprendizado profundo que foi capaz de detectar agregados de proteínas maduras Quando apresentado com imagens não marcadas de células vivas.

O novo estudo baseia -se nesse trabalho com uma versão de classificação de imagens do algoritmo que analisa essas imagens em tempo actual: quando esse algoritmo detecta um agregado de proteína maduro, desencadeia um microscópio de Brillouin, que analisa a luz espalhada para caracterizar as propriedades biomecânicas dos agregados, como elástica.

Normalmente, a lenta velocidade de imagem de um microscópio de Brillouin o tornaria uma má escolha para estudar agregados de proteínas em rápida evolução. Mas, graças à abordagem orientada à AI da equipe da EPFL, o microscópio Brillouin é ligado apenas quando um agregado de proteínas é detectado, acelerando todo o processo enquanto abre novos caminhos em microscopia inteligente.

“Esta é a primeira publicação que mostra o potencial impressionante para os sistemas autônomos incorporarem métodos de microscopia sem rótulo, o que deve permitir que mais biólogos adotem técnicas de microscopia inteligente em rápida evolução”, diz Ibrahim.

Como o algoritmo de classificação de imagem tem como alvo apenas agregados de proteínas maduros, os pesquisadores ainda precisavam ir mais longe se quisessem capturar a formação agregada na Lei. Para isso, eles desenvolveram um segundo algoritmo de aprendizado profundo e o treinaram em imagens de proteínas rotuladas fluorescentemente em células vivas.

Esse algoritmo de detecção de “início de agregação” pode diferenciar imagens quase idênticas para identificar corretamente quando a agregação ocorrerá com 91% de precisão. Depois que esse início é detectado, o sistema autônomo novamente liga a imagem de Brillouin para fornecer uma janela nunca antes visto para a agregação de proteínas. Pela primeira vez, a biomecânica desse processo pode ser capturada dinamicamente à medida que ocorre.

Lashuel enfatiza que, além do avanço da microscopia inteligente, este trabalho tem implicações importantes para a descoberta de medicamentos e a medicina de precisão.

“Abordagens de imagem sem etiquetas criam maneiras inteiramente novas de estudar e direcionar pequenos proteína Os agregados chamaram oligômeros tóxicos, que se pensa que desempenham papéis causadores centrais na neurodegeneração “, diz ele.

“Estamos entusiasmados em desenvolver essas realizações e abrir caminho para plataformas de desenvolvimento de medicamentos que acelerem terapias mais eficazes para doenças neurodegenerativas”.