研究人员的机器学习算法可以在显微图像中识别出小到十亿分之一米的蛋白质聚集体。同时，该算法还可以根据形状和大小对聚集体进行计数和分组，并实时追踪它们的发展。

哥本哈根大学

5月22日消息

蛋白质聚集是多种影响大脑的神经退行性疾病的根源，如阿尔茨海默病和失智症。哥本哈根大学（University of Copenhagen，KU）的研究人员开发了一种新的工具，有助于发现和研究这些微小的蛋白质聚集体。这一成果为更深入地了解人体最小的构建单元以及更好地治疗癌症、阿尔茨海默病和帕金森病等疾病铺平了道路。这项研究已发表在《自然-通讯》（Nature Communications）杂志上。

研究于2024年2月26日发表在《Nature Communications》（最新影响因子：16.6）杂志上

全球有超过 5,500 万人，丹麦有近 10 万名 65 岁以上的老人患有与失智症相关的疾病，如阿尔茨海默病和帕金森病。这些疾病是由于体内一些最小的构建单元聚集在一起并破坏重要功能而产生的。为什么会出现这种情况以及如何治疗它仍然是科学上的谜团。到目前为止，由于缺乏合适的工具，研究这一现象一直非常具有挑战性且受到限制。

现在，哥本哈根大学化学系 Nikos Hatzakis 实验室的研究人员发明了一种机器学习算法，可以实时追踪显微镜下的蛋白质聚集现象。该算法可以自动绘制和追踪导致阿尔茨海默病和其他神经退行性疾病的聚集体的重要特征。在此之前，这还是不可能做到的。

化学系的博士生 Jacob Kæstel-Hansen 表示：“我们的算法在几分钟内就解决了研究人员需要数周时间才能解决的挑战。现在更容易研究蛋白质聚集体的显微图像，这有望增加我们的知识，将会为神经退行性脑部疾病带来新的疗法。” Jacob Kæstel-Hansen 与 Nikos Hatzakis 一同领导了算法背后的研究团队。

瞬间检测到微小蛋白质

在自然过程中，蛋白质和其他分子之间的化合物和信号的聚集与交换在我们的细胞内发生了数十亿次，使我们的身体得以运转。但是，当出现错误时，蛋白质会以干扰其正常工作能力的方式聚集在一起。除此之外，这可能导致大脑的神经退行性疾病和癌症。

研究人员的机器学习算法可以在显微图像中检测到小到十亿分之一米的蛋白质聚集体。同时，该算法可以根据它们的形状和大小对聚集体进行计数和分组，同时随时间跟踪它们的发展。聚集体的出现可能会对其功能和在体内的行为产生重大影响，无论是好是坏。

“通过显微镜研究聚集体时，人们很快就会看到，例如，有些聚集体更圆，而有些则具有丝状结构。而且，它们的精确形状可能会因它们引发的疾病而有所不同。但是，手动记数数千次需要很长时间，这些时间可以更好地用于其他事情，”化学系的 Steen Bender 博士是该文章的第一作者。

SEMORE的示意图，一个用于自动聚类并分类临时和形态上不同的蛋白质聚集体的自动化流程

未来，该算法将使我们更容易地了解为什么会出现聚集体，从而开发新药和疗法来对抗这些疾病。

“对这些聚集体的基本理解取决于我们是否能够看到、追踪和量化它们，并描述它们随时间变化的外观。目前没有其他方法能够如此自动和有效地做到这一点，”他说道。

胰岛素蛋白质聚集在一起

工具对所有人免费开放

化学系的研究人员现在正全力以赴地使用该工具进行胰岛素分子的实验。随着胰岛素分子的聚集，它们调节我们血糖的能力减弱。

“我们也看到了胰岛素分子中这种不受欢迎的聚集。我们的新工具可以让我们看到这些聚集体如何受到我们添加的任何化合物的影响。通过这种方式，该模型可以帮助我们努力了解如何潜在地阻止或将它们转变为更稳定或危险性较小的聚集体，” Jacob Kæstel-Hansen 解释道。

因此，研究人员看到了在明确识别了微观构建块后使用该工具开发新药的巨大潜力。研究人员希望他们的工作能够推动收集关于蛋白质和分子形状与功能的更全面的知识。

“随着世界各地的其他研究人员开始使用该工具，它将有助于创建一个与各种疾病和一般生物学相关的分子和蛋白质结构的大型库。这将使我们更好地了解疾病并尝试阻止它们，”化学系的 Nikos Hatzakis 总结道。

该算法已作为开源软件在互联网上免费发布，可供科学研究人员和其他致力于了解蛋白质和其他分子聚集的任何人使用。

创立于1479年的丹麦哥本哈根大学

参考文献

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

免责声明

本公众号上的医疗信息仅作为信息资源提供与分享，不能用于或依赖于任何诊断或治疗目的。此信息不应替代专业诊断或治疗。在做出任何医疗决定或有关特定医疗状况的指导之前，请咨询你的医生。

       原文标题 : 抗击失智症的新武器