Notícia

Método baseado em Inteligência Artificial traz avanços no estudo de agregados de proteínas em doenças neurodegenerativas

Fonte

EPFL | Escola Politécnica Federal de Lausanne

Data

sexta-feira, 15 dezembro 2023 16:00

Áreas

Bioinformática. Biologia. Biomarcadores. Biomedicina. Envelhecimento. Inteligência Artificial. Microbiologia. Neurociências. Saúde Pública.

Doenças neurodegenerativas, como Alzheimer, Parkinson e doença de Huntington, são um desafio crescente na área da saúde, afetando milhões de pessoas em todo o mundo. Elas são caracterizados por um declínio progressivo da função neural e se manifestam em uma série de sintomas debilitantes. E à medida que a expectativa de vida aumenta, a incidência de doenças neurodegenerativas aumenta com o envelhecimento da população global.

Muitas doenças neurodegenerativas envolvem o acúmulo de agregados proteicos ‘mal dobrados’, que são centrais no desenvolvimento e progressão de doenças como Alzheimer, Parkinson e Huntington. Mas o progresso na compreensão e tratamento destas doenças é dificultado pelos métodos atuais de rotulagem de proteínas mal dobradas com etiquetas fluorescentes.

Essas abordagens são eficazes até certo ponto, mas também alteram as propriedades biofísicas das proteínas, afetando a forma como elas interagem com outras proteínas e componentes celulares. Isto torna muito difícil estudar com precisão a complexidade e a organização ultraestrutural dos agregados proteicos causadores de doenças no cérebro.

Método LINA

Recentemente, pesquisadores da Escola Politécnica Federal de Lausanne (EPFL), na Suíça, desenvolveram uma nova técnica que contorna o problema, utilizando uma técnica de aprendizado profundo para identificar estes agregados sem alterá-los, oferecendo assim uma abordagem não invasiva e altamente precisa para a compreensão de um processo central na patogênese das doenças neurodegenerativas.

O novo método é chamado de ‘Identificação sem rótulo de agregados associados a doenças neurodegenerativas’ (LINA, ou Label-free Identification of Neurodegenerative-disease-associated Aggregates) e foi desenvolvida pelos grupos de pesquisa do Dr. Hilal Lashuel, na Escola de Ciências da Vida, e da Dra. Aleksandra Radenovic, na Escola de Engenharia da EPFL, juntamente com a Dra. Kristin Grußmayer, da Universidade Técnica de Delft (TU Delft), nos Países Baixos. O trabalho foi publicado na revista científica Nature Communications.

O método LINA usa aprendizado profundo para analisar imagens de luz transmitida de células vivas, o que permite identificar agregados de proteínas sem o uso de marcação fluorescente. Este método preserva o estado natural das proteínas, fornecendo dados de alta fidelidade cruciais para pesquisas precisas.

LINA em imagens de células vivas

Os pesquisadores usaram a Inteligência Artificial (IA) para monitorar o processo dinâmico de agregação de proteínas usando imagens de células vivas, fornecendo novos insights sobre a dinâmica de crescimento de agregados Httex1. Esta característica é vital para a compreensão da progressão de doenças neurodegenerativas e pode potencialmente levar à identificação de novos alvos terapêuticos.

Mas o método LINA provou não ser apenas eficaz apenas na identificação de agregados proteicos: também pode realizar comparações detalhadas entre diferentes tipos deles. Compreender estas diferenças e semelhanças é crucial, pois esclarece como estes agregados proteicos se formam e se comportam, o que é vital para a compreensão da progressão das doenças neurodegenerativas.

Uma ferramenta simples, automatizada e de alto rendimento

“Na sua forma mais simples, nossos modelos apresentam um método simples e rápido para encontrar e segmentar automaticamente agregados de proteínas a partir de imagens de luz transmitidas, que podem ser imagens quantitativas de fase ou imagens de campo claro o mais simples possível”, disse o doutorando Khalid Ibrahim, primeiro autor do estudo. “Isso fornece aos usuários de laboratórios de todo o mundo uma técnica automatizada, fácil e de alto rendimento para detectar e analisar agregados de proteínas.”

“Ser capaz de desenvolver novos métodos que não apenas nos permitam monitorar a evolução da agregação de proteínas e da formação de patologias, mas também obter medidas quantitativas sobre suas propriedades poderia nos ajudar a desmascarar novos mecanismos e insights que estão atualmente mascarados pelo uso de grandes marcadores de proteínas fluorescentes”, concluiu a Dra. Aleksandra Radenovic.

Acesse o artigo científico completo (em inglês).

Acesse a notícia completa na página da Escola Politécnica Federal de Lausanne (em inglês).

Fonte: Nik Papageorgiou, EPFL Imagem: macrovector via Freepik.

Em suas publicações, o Canal Farma da Rede T4H tem o único objetivo de divulgação científica, tecnológica ou de informações comerciais para disseminar conhecimento. Nenhuma publicação do Canal Farma tem o objetivo de aconselhamento, diagnóstico, tratamento médico ou de substituição de qualquer profissional da área da saúde. Consulte sempre um profissional de saúde qualificado para a devida orientação, medicação ou tratamento, que seja compatível com suas necessidades específicas.