研究人員的機(jī)器學(xué)習(xí)算法可以在顯微圖像中識(shí)別出小到十億分之一米的蛋白質(zhì)聚集體。同時(shí)，該算法還可以根據(jù)形狀和大小對(duì)聚集體進(jìn)行計(jì)數(shù)和分組，并實(shí)時(shí)追蹤它們的發(fā)展。

哥本哈根大學(xué)

5月22日消息

蛋白質(zhì)聚集是多種影響大腦的神經(jīng)退行性疾病的根源，如阿爾茨海默病和失智癥。哥本哈根大學(xué)（University of Copenhagen，KU）的研究人員開(kāi)發(fā)了一種新的工具，有助于發(fā)現(xiàn)和研究這些微小的蛋白質(zhì)聚集體。這一成果為更深入地了解人體最小的構(gòu)建單元以及更好地治療癌癥、阿爾茨海默病和帕金森病等疾病鋪平了道路。這項(xiàng)研究已發(fā)表在《自然-通訊》（Nature Communications）雜志上。

研究于2024年2月26日發(fā)表在《Nature Communications》（最新影響因子：16.6）雜志上

全球有超過(guò) 5,500 萬(wàn)人，丹麥有近 10 萬(wàn)名 65 歲以上的老人患有與失智癥相關(guān)的疾病，如阿爾茨海默病和帕金森病。這些疾病是由于體內(nèi)一些最小的構(gòu)建單元聚集在一起并破壞重要功能而產(chǎn)生的。為什么會(huì)出現(xiàn)這種情況以及如何治療它仍然是科學(xué)上的謎團(tuán)。到目前為止，由于缺乏合適的工具，研究這一現(xiàn)象一直非常具有挑戰(zhàn)性且受到限制。

現(xiàn)在，哥本哈根大學(xué)化學(xué)系 Nikos Hatzakis 實(shí)驗(yàn)室的研究人員發(fā)明了一種機(jī)器學(xué)習(xí)算法，可以實(shí)時(shí)追蹤顯微鏡下的蛋白質(zhì)聚集現(xiàn)象。該算法可以自動(dòng)繪制和追蹤導(dǎo)致阿爾茨海默病和其他神經(jīng)退行性疾病的聚集體的重要特征。在此之前，這還是不可能做到的。

化學(xué)系的博士生 Jacob Kæstel-Hansen 表示：“我們的算法在幾分鐘內(nèi)就解決了研究人員需要數(shù)周時(shí)間才能解決的挑戰(zhàn)�，F(xiàn)在更容易研究蛋白質(zhì)聚集體的顯微圖像，這有望增加我們的知識(shí)，將會(huì)為神經(jīng)退行性腦部疾病帶來(lái)新的療法。” Jacob Kæstel-Hansen 與 Nikos Hatzakis 一同領(lǐng)導(dǎo)了算法背后的研究團(tuán)隊(duì)。

瞬間檢測(cè)到微小蛋白質(zhì)

在自然過(guò)程中，蛋白質(zhì)和其他分子之間的化合物和信號(hào)的聚集與交換在我們的細(xì)胞內(nèi)發(fā)生了數(shù)十億次，使我們的身體得以運(yùn)轉(zhuǎn)。但是，當(dāng)出現(xiàn)錯(cuò)誤時(shí)，蛋白質(zhì)會(huì)以干擾其正常工作能力的方式聚集在一起。除此之外，這可能導(dǎo)致大腦的神經(jīng)退行性疾病和癌癥。

研究人員的機(jī)器學(xué)習(xí)算法可以在顯微圖像中檢測(cè)到小到十億分之一米的蛋白質(zhì)聚集體。同時(shí)，該算法可以根據(jù)它們的形狀和大小對(duì)聚集體進(jìn)行計(jì)數(shù)和分組，同時(shí)隨時(shí)間跟蹤它們的發(fā)展。聚集體的出現(xiàn)可能會(huì)對(duì)其功能和在體內(nèi)的行為產(chǎn)生重大影響，無(wú)論是好是壞。

“通過(guò)顯微鏡研究聚集體時(shí)，人們很快就會(huì)看到，例如，有些聚集體更圓，而有些則具有絲狀結(jié)構(gòu)。而且，它們的精確形狀可能會(huì)因它們引發(fā)的疾病而有所不同。但是，手動(dòng)記數(shù)數(shù)千次需要很長(zhǎng)時(shí)間，這些時(shí)間可以更好地用于其他事情，”化學(xué)系的 Steen Bender 博士是該文章的第一作者。

SEMORE的示意圖，一個(gè)用于自動(dòng)聚類并分類臨時(shí)和形態(tài)上不同的蛋白質(zhì)聚集體的自動(dòng)化流程

未來(lái)，該算法將使我們更容易地了解為什么會(huì)出現(xiàn)聚集體，從而開(kāi)發(fā)新藥和療法來(lái)對(duì)抗這些疾病。

“對(duì)這些聚集體的基本理解取決于我們是否能夠看到、追蹤和量化它們，并描述它們隨時(shí)間變化的外觀。目前沒(méi)有其他方法能夠如此自動(dòng)和有效地做到這一點(diǎn)，”他說(shuō)道。

胰島素蛋白質(zhì)聚集在一起

工具對(duì)所有人免費(fèi)開(kāi)放

化學(xué)系的研究人員現(xiàn)在正全力以赴地使用該工具進(jìn)行胰島素分子的實(shí)驗(yàn)。隨著胰島素分子的聚集，它們調(diào)節(jié)我們血糖的能力減弱。

“我們也看到了胰島素分子中這種不受歡迎的聚集。我們的新工具可以讓我們看到這些聚集體如何受到我們添加的任何化合物的影響。通過(guò)這種方式，該模型可以幫助我們努力了解如何潛在地阻止或?qū)⑺鼈冝D(zhuǎn)變?yōu)楦�穩(wěn)定或危險(xiǎn)性較小的聚集體，” Jacob Kæstel-Hansen 解釋道。

因此，研究人員看到了在明確識(shí)別了微觀構(gòu)建塊后使用該工具開(kāi)發(fā)新藥的巨大潛力。研究人員希望他們的工作能夠推動(dòng)收集關(guān)于蛋白質(zhì)和分子形狀與功能的更全面的知識(shí)。

“隨著世界各地的其他研究人員開(kāi)始使用該工具，它將有助于創(chuàng)建一個(gè)與各種疾病和一般生物學(xué)相關(guān)的分子和蛋白質(zhì)結(jié)構(gòu)的大型庫(kù)。這將使我們更好地了解疾病并嘗試阻止它們，”化學(xué)系的 Nikos Hatzakis 總結(jié)道。

該算法已作為開(kāi)源軟件在互聯(lián)網(wǎng)上免費(fèi)發(fā)布，可供科學(xué)研究人員和其他致力于了解蛋白質(zhì)和其他分子聚集的任何人使用。

創(chuàng)立于1479年的丹麥哥本哈根大學(xué)

參考文獻(xiàn)

Source：University of Copenhagen - Faculty of Science

New weapon against dementia: "In just minutes, the AI solves a challenge that would take neuroscientists weeks."

Reference：

Bender, S.W.B., Dreisler, M.W., Zhang, M. et al. SEMORE: SEgmentation and MORphological fingErprinting by machine learning automates super-resolution data analysis. Nat Commun 15, 1763 (2024). https://doi.org/10.1038/s41467-024-46106-0

免責(zé)聲明

本公眾號(hào)上的醫(yī)療信息僅作為信息資源提供與分享，不能用于或依賴于任何診斷或治療目的。此信息不應(yīng)替代專業(yè)診斷或治療。在做出任何醫(yī)療決定或有關(guān)特定醫(yī)療狀況的指導(dǎo)之前，請(qǐng)咨詢你的醫(yī)生。

       原文標(biāo)題 : 抗擊失智癥的新武器