Накопление неправильно свернутых белков в мозге — ключевой процесс в развитии нейродегенеративных заболеваний, таких как болезнь Хантингтона, Альцгеймера и Паркинсона. Проблема в том, что для человеческого глаза белки, которым суждено образовать вредные скопления, выглядят точно так же, как и здоровые. К тому же, формирование этих агрегатов часто происходит случайным образом и очень быстро — за считанные минуты. Чтобы понять и победить эти болезни, ученым жизненно важно научиться идентифицировать и изучать такие белковые скопления.

Исследователи из Федеральной политехнической школы Лозанны (EPFL) нашли остроумное решение. Они создали «самоуправляемую» систему визуализации на основе глубокого обучения. Эта система в реальном времени отслеживает и анализирует процесс агрегации белков, используя сразу несколько методов микроскопии. Что еще важнее, она способна предугадать начало этого процесса еще до того, как он стартует. Такой подход не только делает съемку максимально эффективной, но и позволяет обойтись почти без флуоресцентных меток, которые часто меняют биологические свойства клеток и мешают точному анализу.

Впервые нам удалось с такой точностью предсказать момент, когда белки начнут слипаться в опасные кластеры, — говорит недавний выпускник EPFL Халид Ибрагим. — Поскольку их биомеханические свойства напрямую связаны с болезнями и нарушением работы клеток, понимание того, как эти свойства меняются в процессе агрегации, дает нам фундаментальные знания, необходимые для поиска лекарств.

Ибрагим опубликовал эту работу в журнале Nature Communications вместе с Александрой Раденович, главой Лаборатории наноразмерной биологии, и Хилалом Лашуэлем из Школы наук о жизни. К проекту также присоединились Карло Бевилаква и Роберт Преведель из Европейской лаборатории молекулярной биологии в Гейдельберге. Эта работа — результат долгосрочного сотрудничества между лабораториями Лашуэля и Раденович, которое объединило их экспертизу в области нейродегенерации и передовых методов съемки живых клеток. «Изначально мы хотели создать методы, которые откроют новые биомеханические горизонты, и очень рады, что наша идея принесла такие впечатляющие плоды», — отмечает Раденович.

Как увидеть рождение белкового агрегата

В своей первой совместной работе команда разработала алгоритм глубокого обучения, который мог обнаруживать зрелые белковые агрегаты на немеченых изображениях живых клеток. Новое исследование пошло дальше: теперь классифицирующая версия алгоритма анализирует такие изображения в реальном времени. Как только алгоритм обнаруживает зрелый агрегат, он немедленно включает микроскоп Бриллюэна — прибор, который анализирует рассеянный свет, чтобы определить биомеханические свойства скопления, например, его упругость.

Обычно низкая скорость съемки микроскопа Бриллюэна делает его малопригодным для изучения быстро формирующихся агрегатов. Но благодаря подходу с искусственным интеллектом, микроскоп включается только в нужный момент, что ускоряет весь процесс и открывает новые возможности для «умной» микроскопии.

Это первая публикация, которая демонстрирует впечатляющий потенциал самоуправляемых систем в сочетании с немечеными методами микроскопии. Это позволит большему числу биологов начать использовать быстро развивающиеся технологии интеллектуальной микроскопии, — поясняет Ибрагим.

Поскольку первый алгоритм нацелен только на зрелые агрегаты, ученые хотели засечь самый момент их образования. Для этого они создали второй алгоритм глубокого обучения и обучили его на меченых флуоресцентными маркерами изображениях белков в живых клетках. Этот «детектор начала агрегации» научился различать почти идентичные изображения и с точностью 91% определять, когда начнется процесс слипания. Как только начало зафиксировано, самоуправляемая система снова активирует микроскоп Бриллюэна, предоставляя ученым беспрецедентную возможность наблюдать за агрегацией в динамике. Впервые биомеханика этого процесса фиксируется прямо по мере его развития.

Лашуэль подчеркивает, что, помимо прорыва в области умной микроскопии, эта работа имеет огромное значение для разработки лекарств и персонализированной медицины.

Беспометодная визуализация открывает совершенно новые пути для изучения и таргетирования небольших белковых агрегатов, так называемых токсичных олигомеров, которые, как считается, играют ключевую роль в развитии нейродегенерации. Мы полны энтузиазма и намерены развивать эти достижения, чтобы создать платформы для скрининга лекарств, которые ускорят появление эффективных методов лечения.

Реальная польза этого исследования многогранна.

• Прежде всего, оно открывает путь к принципиально новому уровню диагностики нейродегенеративных заболеваний. Если мы научимся детектировать самые ранние, доклинические стадии агрегации белка, то сможем вмешиваться в болезнь за годы, а то и десятилетия до появления первых симптомов. Это переход от лечения последствий к настоящей превентивной медицине.
• Во-вторых, метод позволяет изучать биомеханические свойства агрегатов — их жесткость, упругость, вязкость. Вполне вероятно, что именно эти физические параметры, а не только химический состав, определяют токсичность скоплений для нейронов. Понимая это, можно создавать лекарства, которые будут не просто «разбирать» агрегаты, а целенаправленно менять их физическое состояние, делая менее вредными.
• Наконец, отказ от флуоресцентных меток — это огромный шаг к изучению процессов в их естественном, ненарушенном виде. Это повышает достоверность данных и позволяет проводить долгосрочные наблюдения за живыми клетками, не опасаясь артефактов.

Основное критическое замечание касается перехода от модельных систем к реальной медицинской практике. Исследование проводилось на культурах клеток, что является значительным упрощением по сравнению со сложной, гетерогенной средой человеческого мозга. Нейроны в мозге окружены другими типами клеток (глией), находятся под влиянием кровотока и сложных биохимических сигналов. Не факт, что алгоритм, обученный на изолированных клетках, будет так же эффективно работать в условиях целого организма. Кроме того, Brillouin-микроскопия имеет ограниченную глубину проникновения, что может стать серьезным техническим барьером для сканирования толстых срезов мозга или живых организмов.

Ранее ученые пришли к выводу, что жалобы на память могут указывать на биологические изменения в мозге.