抗擊失智癥的新武器
研究人員的機器學習算法可以在顯微圖像中識別出小到十億分之一米的蛋白質聚集體。同時，該算法還可以根據形狀和大小對聚集體進行計數和分組，并實時追蹤它們的發展。
哥本哈根大學
5月22日消息
蛋白質聚集是多種影響大腦的神經退行性疾病的根源，如阿爾茨海默病和失智癥。哥本哈根大學（University of Copenhagen，KU）的研究人員開發了一種新的工具，有助于發現和研究這些微小的蛋白質聚集體。這一成果為更深入地了解人體最小的構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。這項研究已發表在《自然-通訊》（Nature Communications）雜志上。
研究于2024年2月26日發表在《Nature Communications》（最新影響因子：16.6）雜志上
全球有超過 5,500 萬人，丹麥有近 10 萬名 65 歲以上的老人患有與失智癥相關的疾病，如阿爾茨海默病和帕金森病。這些疾病是由于體內一些最小的構建單元聚集在一起并破壞重要功能而產生的。為什么會出現這種情況以及如何治療它仍然是科學上的謎團。到目前為止，由于缺乏合適的工具，研究這一現象一直非常具有挑戰性且受到限制。
現在，哥本哈根大學化學系 Nikos Hatzakis 實驗室的研究人員發明了一種機器學習算法，可以實時追蹤顯微鏡下的蛋白質聚集現象。該算法可以自動繪制和追蹤導致阿爾茨海默病和其他神經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。
化學系的博士生 Jacob Kæstel-Hansen 表示：“我們的算法在幾分鐘內就解決了研究人員需要數周時間才能解決的挑戰。現在更容易研究蛋白質聚集體的顯微圖像，這有望增加我們的知識，將會為神經退行性腦部疾病帶來新的療法。” Jacob Kæstel-Hansen 與 Nikos Hatzakis 一同領導了算法背后的研究團隊。
瞬間檢測到微小蛋白質
在自然過程中，蛋白質和其他分子之間的化合物和信號的聚集與交換在我們的細胞內發生了數十億次，使我們的身體得以運轉。但是，當出現錯誤時，蛋白質會以干擾其正常工作能力的方式聚集在一起。除此之外，這可能導致大腦的神經退行性疾病和癌癥。
研究人員的機器學習算法可以在顯微圖像中檢測到小到十億分之一米的蛋白質聚集體。同時，該算法可以根據它們的形狀和大小對聚集體進行計數和分組，同時隨時間跟蹤它們的發展。聚集體的出現可能會對其功能和在體內的行為產生重大影響，無論是好是壞。
“通過顯微鏡研究聚集體時，人們很快就會看到，例如，有些聚集體更圓，而有些則具有絲狀結構。而且，它們的精確形狀可能會因它們引發的疾病而有所不同。但是，手動記數數千次需要很長時間，這些時間可以更好地用于其他事情，”化學系的 Steen Bender 博士是該文章的第一作者。
SEMORE的示意圖，一個用于自動聚類并分類臨時和形態上不同的蛋白質聚集體的自動化流程
未來，該算法將使我們更容易地了解為什么會出現聚集體，從而開發新藥和療法來對抗這些疾病。
“對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，并描述它們隨時間變化的外觀。目前沒有其他方法能夠如此自動和有效地做到這一點，”他說道。
胰島素蛋白質聚集在一起
工具對所有人免費開放
化學系的研究人員現在正全力以赴地使用該工具進行胰島素分子的實驗。隨著胰島素分子的聚集，它們調節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將它們轉變為更穩定或危險性較小的聚集體，” Jacob Kæstel-Hansen 解釋道。
因此，研究人員看到了在明確識別了微觀構建塊后使用該工具開發新藥的巨大潛力。研究人員希望他們的工作能夠推動收集關于蛋白質和分子形狀與功能的更全面的知識。
“隨著世界各地的其他研究人員開始使用該工具，它將有助于創建一個與各種疾病和一般生物學相關的分子和蛋白質結構的大型庫。這將使我們更好地了解疾病并嘗試阻止它們，”化學系的 Nikos Hatzakis 總結道。
該算法已作為開源軟件在互聯網上免費發布，可供科學研究人員和其他致力于了解蛋白質和其他分子聚集的任何人使用。
創立于1479年的丹麥哥本哈根大學
參考文獻
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
免責聲明
本公眾號上的醫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。此信息不應替代專業診斷或治療。在做出任何醫療決定或有關特定醫療狀況的指導之前，請咨詢你的醫生。
原文標題 : 抗擊失智癥的新武器
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
圖片新聞
