Innovación, gracias a la IA y al aprendizaje profundo es posible observar la agregación de proteínas

Mediante un sistema de imágenes autónomo basado en aprendizaje profundo e inteligencia artificial , fue posible observar la agregación de proteínas mal plegadas. Científicos de la Escuela Politécnica Federal Suiza de Lausana (EPFL) lograron esta hazaña y publicaron un artículo en la revista Nature Communications para presentar sus hallazgos. El equipo, dirigido por Khalid Ibrahim, Aleksandra Radenovic, Hilal Lashuel y Robert Prevedel, desarrolló un sistema de imágenes autónomo que utiliza diversos métodos de microscopía para rastrear y analizar la agregación de proteínas en tiempo real, o anticiparla antes de que comience. Este enfoque, según revelan los expertos, maximiza la eficiencia de las imágenes y minimiza el uso de marcadores fluorescentes, que pueden alterar las propiedades biofísicas de las muestras celulares y reducir la precisión del análisis. «Por primera vez», afirma Ibrahim, «hemos podido predecir con precisión la formación de estos agregados proteicos. Comprender cómo evolucionan estas propiedades durante el proceso de agregación nos permitirá obtener una comprensión fundamental, esencial para el desarrollo de soluciones». El equipo de investigación ha desarrollado un algoritmo de aprendizaje profundo capaz de detectar agregados proteicos maduros.

En el nuevo trabajo, los investigadores desarrollaron una nueva versión del algoritmo que analiza imágenes en tiempo real. Si se detecta un agregado proteico maduro, se activa un microscopio Brillouin, que analiza la luz dispersa para caracterizar las propiedades biomecánicas de los agregados, como la elasticidad. Gracias a la inteligencia artificial, el microscopio se activa solo si se detecta un agregado proteico , lo que acelera el proceso y allana el camino para la microscopía inteligente. Para capturar la formación continua de agregados, los investigadores desarrollaron un segundo algoritmo, entrenado con imágenes de proteínas marcadas con fluorescencia en células vivas. Este sistema permite distinguir entre imágenes casi idénticas e identificar correctamente el momento en que se producirá la agregación con una precisión del 91 %. Este trabajo, comentan los autores, tiene importantes implicaciones para el descubrimiento de fármacos y la medicina de precisión. «Los enfoques de imagen sin etiquetas», concluye Lashuel, «crean formas completamente nuevas de estudiar y dirigirse a pequeños agregados proteicos llamados oligómeros tóxicos, que se cree que desempeñan un papel causal central en la neurodegeneración».