2024-06-30 11:42 来源：本站编辑
哥本哈根大学的研究人员开发了一种机器学习算法，可以在显微镜下实时跟踪蛋白质团块，这是研究阿尔茨海默氏症和帕金森病等神经退行性疾病的一个突破。该算法可以自动绘制和跟踪这些团块，这在以前是一项耗时的任务，可能会加速这些疾病的新疗法的开发。来源:SciTechDaily.com
蛋白质聚集是许多影响大脑的神经退行性疾病的基础，包括阿尔茨海默氏症和痴呆症。哥本哈根大学的科学家们发明了一种新仪器来检测和分析这些小蛋白质簇。这一突破让我们对人体的基本组成有了更深入的了解发现并提高了改善co治疗方法的潜力癌症、阿尔茨海默氏症和帕金森症等疾病。
近10万名65岁及以上的丹麦人，以及全球5500多万人患有阿尔茨海默病和帕金森病等与痴呆症相关的疾病。当微小的细胞成分聚集并损害关键的身体功能时，这些疾病就产生了。这些事件发生的原因和治疗方法仍然让科学家们迷惑不解。直到最近，由于缺乏适当的工具，探索这些疾病一直极其困难。
现在，哥本哈根大学化学系Hatzakis实验室的研究人员发明了一种机器学习算法，可以在显微镜下实时跟踪结块。该算法可以自动绘制和跟踪导致阿尔茨海默氏症和其他神经退行性疾病的聚集性构建块的重要特征。到目前为止，这样做是不可能的。
“在短短几分钟内，我们的算法就解决了一个需要研究人员花几周时间才能解决的挑战。现在研究结块蛋白质的微观图像将更容易，这将有望为我们的知识做出贡献，从长远来看，将为神经退行性脑疾病带来新的治疗方法，”化学系的雅各布·k·æ斯蒂尔-汉森博士说，他与Nikos Hatzakis一起领导了该算法背后的研究团队。
这项研究发表在著名的科学杂志《自然通讯》上。
在我们的细胞内，蛋白质和其他分子之间的化合物和信号的聚集和交换在自然过程中发生了数十亿次，使我们的身体能够正常运作。但是当错误发生时，蛋白质会以某种方式聚集在一起，干扰它们正常工作的能力。除此之外，这会导致脑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镜图像中发现小到十亿分之一米的蛋白质团块。与此同时，该算法可以根据它们的形状和大小对团块进行计数和分组，同时跟踪它们随着时间的发展。团块的出现会对它们的功能和它们在体内的行为产生重大影响，是好是坏。
胰岛素蛋白聚集在一起。图片来源:Jacob k æ steel - hansen
例如，在显微镜下研究团块时，人们很快就会发现，有些团块更圆，而另一些团块则具有丝状结构。而且，它们的确切形状可以根据它们引发的紊乱而变化。但是坐下来手工数上几千次需要很长时间，这些时间本可以花在其他事情上，”该文章的第一作者、化学系的斯蒂恩·本德(Steen Bender)说。
在未来，该算法将使更多地了解团块形成的原因变得更加容易，这样我们就可以开发新的药物和疗法来对抗这些疾病。
“对这些团块的基本理解取决于我们能够看到，跟踪和量化它们，并描述它们随时间的变化。目前还没有其他方法可以自动有效地做到这一点。”
化学系的研究人员现在正全力以赴地使用该工具对胰岛素分子进行实验。当胰岛素分子聚集时，它们调节血糖的能力就会减弱。
“我们在胰岛素分子中也看到了这种不受欢迎的结块。我们的新工具可以让我们看到这些团块是如何受到我们添加的任何化合物的影响的。通过这种方式，该模型可以帮助我们了解如何潜在地阻止或将它们转化为不那么危险或更稳定的团块，”Jacob k æ steel - hansen解释说。
因此，研究人员看到，一旦微观构建模块被清楚地识别出来，就能够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将启动对蛋白质和分子的形状和功能的更全面的知识的收集。
“随着世界各地的其他研究人员开始部署该工具，它将有助于创建一个与各种疾病和生物学相关的大型分子和蛋白质结构库。这将使我们能够更好地了解疾病并试图阻止它们，”化学系的Nikos Hatzakis总结道。
该算法在互联网上作为开源免费提供，可供科学研究人员和其他任何致力于了解蛋白质和其他分子结块的人使用。参考文献:“SEMORE:机器学习自动超分辨率数据分析的分割和形态指纹”，作者:Steen W. B. Bender, Marcus W. Dreisler, Min Zhang, Jacob k . æ steel - hansen和Nikos S. Hatzakis, 2024年2月26日，Nature Communications。DOI: 10.1038 / s41467 - 024 - 46106 - 0
该研究由化学系的Steen W.B. Bender、Marcus W. Dreisler、Min Zhang、Jacob k æ steel - hansen和Nikos S. Hatzakis进行，并得到了诺和诺德基金会优化Oligo逃逸和疾病控制中心的支持。
