Innovazione, grazie ad AI e deep learning possibile osservare l’aggregazione delle proteine

Attraverso un sistema di imaging autonomo, basato sul deep learning e l’intelligenza artificiale, è stato possibile osservare l’aggregazione di proteine mal ripiegate. A riuscirci gli scienziati della Scuola Politecnica Federale di Losanna (EPFL), che hanno pubblicato un articolo sulla rivista Nature Communications per rendere noti i risultati del proprio lavoro. Il team, guidato da Khalid Ibrahim, Aleksandra Radenovic, Hilal Lashuel e Robert Prevedel, ha sviluppato un sistema di imaging autonomo che sfrutta diversi metodi di microscopia per tracciare e analizzare l’aggregazione proteica in tempo reale, o anticiparla prima che inizi. Questo approccio, rivelano gli esperti, massimizza l’efficienza di imaging e riduce al minimo l’uso di marcatori fluorescenti, che possono alterare le proprietà biofisiche dei campioni cellulari e ostacolare l’accuratezza dell’analisi. “Per la prima volta – afferma Ibrahim – siamo stati in grado di prevedere con precisione la formazione di questi aggregati proteici. Comprendere come queste proprieta’ si evolvono durante il processo di aggregazione portera’ a una comprensione fondamentale, essenziale per lo sviluppo di soluzioni”. Il gruppo di ricerca ha sviluppato un algoritmo di apprendimento profondo in grado di rilevare gli aggregati proteici maturi.

Nel nuovo lavoro i ricercatori hanno sviluppato una nuova versione dell’algoritmo, che analizza le immagini in tempo reale. Se viene rilevato un aggregato proteico maturo, si attiva un microscopio Brillouin, che analizza la luce diffusa per caratterizzare le proprieta’ biomeccaniche degli aggregati, come l’elasticita’. Grazie all’intelligenza artificiale, il microscopio si attiva solo se viene rilevato un aggregato proteico, il che accelera il processo e apre la strada alla microscopia intelligente. Per catturare la formazione degli aggregati in atto, i ricercatori hanno sviluppato un secondo algoritmo, che e’ stato addestrato sulle immagini di proteine in cellule viventi marcate con fluorescenza. Questo sistema permette di distinguere tra immagini quasi identiche per identificare correttamente il momento in cui si verifichera’ l’aggregazione con una precisione del 91 per cento. Questo lavoro, commentano gli autori, ha importanti implicazioni per la scoperta di farmaci e la medicina di precisione. “Gli approcci di imaging senza marcatori – conclude Lashuel – creano modi completamente nuovi per studiare e colpire piccoli aggregati proteici chiamati oligomeri tossici, che si ritiene svolgano un ruolo causale centrale nella neurodegenerazione”.