Инновации: благодаря ИИ и глубокому обучению стало возможным наблюдать агрегацию белков

Используя автономную систему визуализации , основанную на глубоком обучении и искусственном интеллекте , удалось наблюдать агрегацию неправильно свёрнутых белков. Учёные из Швейцарского федерального технологического института в Лозанне (EPFL) добились этого, опубликовав статью в журнале Nature Communications, где представили свои результаты. Группа под руководством Халида Ибрагима, Александры Раденович, Хилала Лашуэля и Роберта Преведеля разработала автономную систему визуализации , которая использует различные методы микроскопии для отслеживания и анализа агрегации белков в режиме реального времени или для её прогнозирования до её начала. По словам экспертов, такой подход максимально повышает эффективность визуализации и минимизирует использование флуоресцентных маркеров, которые могут изменять биофизические свойства образцов клеток и снижать точность анализа. «Впервые, — говорит Ибрагим, — нам удалось точно предсказать образование этих белковых агрегатов. Понимание того, как эти свойства изменяются в процессе агрегации, приведёт к фундаментальным знаниям, необходимым для разработки решений». Исследовательская группа разработала алгоритм глубокого обучения, способный обнаруживать зрелые белковые агрегаты.

В новой работе исследователи разработали новую версию алгоритма , который анализирует изображения в режиме реального времени. При обнаружении зрелого белкового агрегата активируется микроскоп Бриллюэна, который анализирует рассеянный свет для характеристики биомеханических свойств агрегатов, таких как эластичность. Благодаря искусственному интеллекту микроскоп активируется только при обнаружении белкового агрегата , что ускоряет процесс и прокладывает путь для интеллектуальной микроскопии. Чтобы запечатлеть процесс формирования агрегатов, исследователи разработали второй алгоритм, обученный на флуоресцентно меченых изображениях белков в живых клетках. Эта система позволяет системе различать практически идентичные изображения и правильно определять момент, когда произойдет агрегация, с точностью 91%. Эта работа, отмечают авторы, имеет важные последствия для открытия новых лекарств и прецизионной медицины. «Подходы к визуализации без меток, — заключает Лашуэль, — создают совершенно новые способы изучения и таргетирования небольших белковых агрегатов, называемых токсичными олигомерами, которые, как считается, играют центральную причинную роль в нейродегенерации».