ИИ-микроскоп предсказывает и отслеживает агрегацию белков, связанную с болезнями мозга
Накопление неправильно свернутых белков в мозге является центральным процессом в прогрессировании нейродегенеративных заболеваний, таких как хорея Хантингтона, болезни Альцгеймера и Паркинсона. Однако для человеческого глаза белки, которым суждено сформировать вредные агрегаты, выглядят так же, как и нормальные.
Формирование таких агрегатов также происходит случайно и относительно быстро — в масштабе минут. Возможность идентифицировать и характеризовать белковые агрегаты имеет решающее значение для понимания и борьбы с нейродегенеративными заболеваниями.
Исследователи из EPFL с помощью глубокого обучения разработали «самоуправляемую» систему визуализации, которая использует несколько методов микроскопии для отслеживания и анализа агрегации белков в реальном времени — и даже предсказывает её до начала. Помимо максимизации эффективности визуализации, этот подход сводит к минимуму использование флуоресцентных меток, которые могут изменять биофизические свойства клеточных образцов и препятствовать точному анализу.
«Это первый случай, когда мы смогли точно предсказать формирование этих белковых агрегатов», — говорит недавний выпускник докторантуры EPFL Халид Ибрагим.
«Поскольку их биомеханические свойства связаны с заболеваниями и нарушением клеточных функций, понимание того, как эти свойства развиваются в процессе агрегации, приведет к фундаментальному пониманию, необходимому для разработки решений».
Ибрагим опубликовал эту работу в Nature Communications совместно с Александрой Раденович, руководителем Лаборатории нанобиологии Школы инженерии, и Хилалом Лашуэлем из Школы наук о жизни, в сотрудничестве с Карло Бевилаква и Робертом Преведелем из Европейской лаборатории молекулярной биологии в Гейдельберге, Германия.
Проект стал результатом давнего сотрудничества между лабораториями Лашуэля и Раденович, объединяющего взаимодополняющий опыт в области нейродегенерации и передовых технологий визуализации живых клеток.
«Этот проект родился из стремления создать методы, раскрывающие новые биофизические идеи, и очень вдохновляет видеть, как это видение теперь принесло плоды», — говорит Раденович.
Наблюдение за рождением белкового агрегата
В своей первой совместной работе, возглавляемой Ибрагимом, команда разработала алгоритм глубокого обучения, способный обнаруживать зрелые белковые агрегаты при анализе немеченых изображений живых клеток.
Новое исследование развивает эту работу с версией алгоритма для классификации изображений, которая анализирует такие изображения в реальном времени: когда этот алгоритм обнаруживает зрелый белковый агрегат, он запускает микроскоп Бриллюэна, который анализирует рассеянный свет для характеристики биомеханических свойств агрегатов, таких как эластичность.
Обычно низкая скорость визуализации микроскопа Бриллюэна делала бы его плохим выбором для изучения быстро развивающихся белковых агрегатов. Но благодаря подходу команды EPFL, управляемому ИИ, микроскоп Бриллюэна включается только при обнаружении белкового агрегата, что ускоряет весь процесс и открывает новые возможности в интеллектуальной микроскопии.
«Это первая публикация, демонстрирующая впечатляющий потенциал самоуправляемых систем для включения методов микроскопии без меток, что должно позволить большему числу биологов внедрять быстро развивающиеся методы интеллектуальной микроскопии», — говорит Ибрагим.
Поскольку алгоритм классификации изображений нацелен только на зрелые агрегаты, исследователям нужно было пойти дальше, чтобы застать процесс агрегации в действии. Для этого они разработали второй алгоритм глубокого обучения и обучили его на флуоресцентно меченых изображениях белков в живых клетках.
Этот алгоритм обнаружения «начала агрегации» может различать почти идентичные изображения, чтобы правильно определить, когда произойдет агрегация, с точностью 91%. Как только это начало обнаружено, самоуправляемая система снова включает бриллюэновскую визуализацию, предоставляя беспрецедентное окно в процесс агрегации белков. Впервые биомеханика этого процесса может быть зафиксирована динамически по мере его протекания.
Лашуэль подчеркивает, что помимо продвижения интеллектуальной микроскопии, эта работа имеет важное значение для открытия лекарств и прецизионной медицины.
«Подходы к визуализации без меток создают совершенно новые способы изучения и нацеливания на небольшие белковые агрегаты, называемые токсичными олигомерами, которым приписывают центральную причинную роль в нейродегенерации», — говорит он.
«Мы рады развивать эти достижения и прокладывать путь для платформ разработки лекарств, которые ускорят создание более эффективных методов лечения нейродегенеративных заболеваний».