Искусственный интеллект в микроскопии предсказывает образование белковых агрегатов, связанных с болезнями мозга

Тематическая иллюстрация умной микроскопии для обнаружения белковых агрегатов. Автор: 2025 EPFL/Алексей Чижик

Накопление неправильно свернутых белков в мозге играет ключевую роль в развитии нейродегенеративных заболеваний, таких как болезнь Хантингтона, Альцгеймера и Паркинсона. Однако для человеческого глаза белки, которые впоследствии образуют вредные агрегаты, выглядят так же, как и нормальные.

Формирование таких агрегатов обычно происходит случайно и относительно быстро — в течение нескольких минут. Возможность идентифицировать и характеризовать белковые агрегаты крайне важна для понимания и борьбы с нейродегенеративными заболеваниями.

Исследователи из Федеральной политехнической школы Лозанны (EPFL) разработали «самоуправляемую» систему визуализации, которая использует глубокое обучение и несколько методов микроскопии для отслеживания и анализа белковых агрегатов в реальном времени — и даже предсказывает их образование до начала процесса. Этот подход не только повышает эффективность визуализации, но и минимизирует использование флуоресцентных меток, которые могут изменять биофизические свойства клеточных образцов и мешать точному анализу.

«Впервые нам удалось точно предсказать образование этих белковых агрегатов», — говорит недавний выпускник EPFL, доктор наук Халид Ибрагим.

Ибрагим опубликовал эту работу в журнале Nature Communications совместно с Александрой Раденович, руководителем Лаборатории нанобиологии Школы инженерии, и Хилалом Лашуэлем из Школы наук о жизни, в сотрудничестве с Карло Бевилаква и Робертом Преведелем из Европейской лаборатории молекулярной биологии в Гейдельберге, Германия.

Наблюдение за рождением белкового агрегата

В своей первой совместной работе команда разработала алгоритм глубокого обучения, способный обнаруживать зрелые белковые агрегаты на немаркированных изображениях живых клеток. Новое исследование расширяет эти возможности: теперь алгоритм анализирует изображения в реальном времени и при обнаружении агрегата автоматически включает микроскоп Бриллюэна, который анализирует рассеянный свет для определения биомеханических свойств агрегатов, таких как эластичность.

Кроме того, исследователи создали второй алгоритм, обученный на флуоресцентно меченых изображениях белков в живых клетках. Этот алгоритм с точностью 91% определяет момент, когда начнется агрегация, что позволяет впервые динамически изучать биомеханику этого процесса.

«Методы визуализации без меток открывают совершенно новые возможности для изучения и воздействия на токсичные олигомеры — небольшие белковые агрегаты, которые, как считается, играют ключевую роль в нейродегенерации», — подчеркивает Хилал Лашуэль.

Ученые уверены, что их разработка не только продвигает технологии умной микроскопии, но и имеет важное значение для разработки лекарств и персонализированной медицины.

Дополнительная информация: Self-Driving Microscopy Detects the Onset of Protein Aggregation and Enables Intelligent Brillouin Imaging, Nature Communications (2025).

Источник: Ecole Polytechnique Federale de Lausanne