Para peneliti telah mengembangkan mikroskop 'self -driving' yang dapat memprediksi timbulnya agregasi protein yang salah lipatan – ciri khas penyakit neurodegeneratif – serta menganalisis sifat biomekanik dari agregat ini.
Akumulasi protein yang salah lipatan di otak adalah pusat perkembangan penyakit neurodegeneratif seperti Huntington's, Alzheimer dan Parkinson. Tetapi bagi mata manusia, protein yang ditakdirkan untuk membentuk agregat berbahaya tidak terlihat berbeda dari protein normal. Pembentukan agregat semacam itu juga cenderung terjadi secara acak dan relatif cepat – pada skala menit. Kemampuan untuk mengidentifikasi dan mengkarakterisasi agregat protein sangat penting untuk memahami dan melawan penyakit neurodegeneratif.
Sekarang, menggunakan pembelajaran yang mendalam, para peneliti telah mengembangkan sistem pencitraan 'self -driving' yang memanfaatkan beberapa metode mikroskop untuk melacak dan menganalisis agregasi protein secara real time – dan bahkan mengantisipasinya sebelum dimulai. Selain memaksimalkan efisiensi pencitraan, pendekatan ini meminimalkan penggunaan label fluoresen, yang dapat mengubah sifat biofisik sampel sel dan menghambat analisis yang akurat.
“Ini adalah pertama kalinya kami dapat secara akurat memperkirakan pembentukan agregat protein ini,” kata lulusan PhD EPFL terbaru Khalid Ibrahim. “Karena sifat biomekaniknya terkait dengan penyakit dan gangguan fungsi seluler, memahami bagaimana sifat -sifat ini berkembang di seluruh proses agregasi akan menyebabkan pemahaman mendasar yang penting untuk mengembangkan solusi.”
Ibrahim telah menerbitkan karya ini di Komunikasi Alam Dengan Aleksandra Radenovic, kepala laboratorium biologi skala nano di School of Engineering, dan Hilal Lashuel di Sekolah Ilmu Kehidupan, bekerja sama dengan Carlo Bevilacqua dan Robert Prevedel di Laboratorium Biologi Molekuler Eropa di Heidelberg, Jerman. Proyek ini adalah hasil dari kolaborasi lama antara laboratorium Lashuel dan Radenovic yang menyatukan keahlian komplementer dalam neurodegenerasi dan teknologi pencitraan sel hidup canggih. “Proyek ini lahir dari motivasi untuk membangun metode yang mengungkapkan wawasan biofisik baru, dan sangat menyenangkan untuk melihat bagaimana visi ini sekarang membuahkan hasil,” kata Radenovic.
Menyaksikan kelahiran agregat protein
Dalam upaya kolaboratif pertama mereka, yang dipimpin oleh Ibrahim, tim mengembangkan algoritma pembelajaran mendalam yang mampu mendeteksi agregat protein dewasa ketika disajikan dengan gambar sel hidup yang tidak berlabel. Studi baru dibangun di atas pekerjaan itu dengan versi klasifikasi gambar dari algoritma yang menganalisis gambar tersebut secara real time: ketika algoritma ini mendeteksi agregat protein dewasa, ia memicu mikroskop Brillouin, yang menganalisis cahaya yang tersebar untuk mengkarakterisasi sifat biomekanik agregat seperti elastisitas.
Biasanya, kecepatan pencitraan yang lambat dari mikroskop Brillouin akan menjadikannya pilihan yang buruk untuk mempelajari agregat protein yang berkembang pesat. Namun berkat pendekatan yang digerakkan oleh AI tim EPFL, mikroskop Brillouin hanya dinyalakan ketika agregat protein terdeteksi, mempercepat seluruh proses sambil membuka jalan baru dalam mikroskop pintar.
“Ini adalah publikasi pertama yang menunjukkan potensi mengesankan untuk sistem self-driving untuk menggabungkan metode mikroskop bebas label, yang seharusnya memungkinkan lebih banyak ahli biologi untuk mengadopsi teknik mikroskop pintar yang berkembang pesat,” kata Ibrahim.
Karena algoritma klasifikasi gambar hanya menargetkan agregat protein matang, para peneliti masih perlu melangkah lebih jauh jika mereka ingin menangkap pembentukan agregat dalam ACT. Untuk ini, mereka mengembangkan algoritma pembelajaran mendalam kedua dan melatihnya pada gambar protein berlabel fluoresensi dalam sel hidup. Algoritma deteksi 'agregasi-onset' ini dapat membedakan antara gambar yang hampir identik untuk mengidentifikasi dengan benar kapan agregasi akan terjadi dengan akurasi 91%. Setelah onset ini terlihat, sistem self-driving kembali menyalakan pencitraan Brillouin untuk memberikan jendela yang belum pernah dilihat sebelumnya menjadi agregasi protein. Untuk pertama kalinya, biomekanik dari proses ini dapat ditangkap secara dinamis seperti yang terjadi.
Lashuel menekankan bahwa selain memajukan mikroskop pintar, karya ini memiliki implikasi penting untuk penemuan obat dan pengobatan presisi. “Pendekatan pencitraan bebas label menciptakan cara yang sama sekali baru untuk mempelajari dan menargetkan agregat protein kecil yang disebut oligomer beracun, yang dianggap memainkan peran penyebab utama dalam neurodegenerasi,” katanya. “Kami sangat senang membangun pencapaian ini dan membuka jalan bagi platform pengembangan obat yang akan mempercepat terapi yang lebih efektif untuk penyakit neurodegeneratif.”
Referensi
Mikroskop self-driving mendeteksi timbulnya agregasi protein dan memungkinkan pencitraan brillouin yang cerdas. Khalid A. Ibrahim, Camille Cathala, Carlo Bevilacqua, Lely Feletti, Robert Prevedel, Hilal A. Lashuel dan Aleksandra Radenovic. https://doi.org/10.1038/s41467-025-60912-0
Ibrahim, KA, Grußmayer, KS, Riguet, N. et al. Identifikasi label agregat protein menggunakan pembelajaran mendalam. NAT COMMUN 14, 7816 (2023). https://doi.org/10.1038/s41467-023-43440-7
