Inovação, graças à IA e ao aprendizado profundo é possível observar a agregação de proteínas

Utilizando um sistema autônomo de imagens baseado em aprendizado profundo e inteligência artificial , foi possível observar a agregação de proteínas mal dobradas. Cientistas do Instituto Federal Suíço de Tecnologia em Lausanne (EPFL) alcançaram esse feito, publicando um artigo na revista Nature Communications para apresentar suas descobertas. A equipe, liderada por Khalid Ibrahim, Aleksandra Radenovic, Hilal Lashuel e Robert Prevedel, desenvolveu um sistema autônomo de imagens que utiliza diversos métodos de microscopia para rastrear e analisar a agregação de proteínas em tempo real, ou antecipá-la antes que ela comece. Essa abordagem, revelam os especialistas, maximiza a eficiência da imagem e minimiza o uso de marcadores fluorescentes, que podem alterar as propriedades biofísicas das amostras celulares e prejudicar a precisão da análise. "Pela primeira vez", afirma Ibrahim, "conseguimos prever com precisão a formação desses agregados proteicos. Entender como essas propriedades evoluem durante o processo de agregação levará a um entendimento fundamental, essencial para o desenvolvimento de soluções." A equipe de pesquisa desenvolveu um algoritmo de aprendizado profundo capaz de detectar agregados proteicos maduros.

No novo trabalho, os pesquisadores desenvolveram uma nova versão do algoritmo que analisa imagens em tempo real. Se um agregado proteico maduro for detectado, um microscópio Brillouin é ativado, analisando a luz dispersa para caracterizar as propriedades biomecânicas dos agregados, como a elasticidade. Graças à inteligência artificial, o microscópio é ativado somente se um agregado proteico for detectado , acelerando o processo e abrindo caminho para a microscopia inteligente. Para capturar a formação contínua de agregados, os pesquisadores desenvolveram um segundo algoritmo, treinado em imagens de proteínas marcadas com fluorescência em células vivas. Este sistema permite distinguir entre imagens quase idênticas e identificar corretamente o momento em que a agregação ocorrerá com 91% de precisão. Este trabalho, comentam os autores, tem implicações importantes para a descoberta de medicamentos e a medicina de precisão. "Abordagens de imagem sem rótulo", conclui Lashuel, "criam maneiras inteiramente novas de estudar e direcionar pequenos agregados proteicos chamados oligômeros tóxicos, que se acredita desempenharem um papel causal central na neurodegeneração".