蛋白质聚集是许多与大脑相关的疾病（如阿尔茨海默病和痴呆症）的根本原因。研究人员创造了一种新工具，用于检测和研究这些小蛋白块。这一突破可能会导致对身体基本构建块的更好理解，并改善对阿尔茨海默病、癌症和帕金森病等疾病的治疗。近100,000名年满65岁的丹麦人和全球超过5500万人患有与痴呆相关的疾病，如阿尔茨海默病和帕金森病。这些疾病发生在某些蛋白质形成小聚集体时。身体中基本构建块的聚集导致重要功能的破坏，但科学家仍未完全理解这一现象背后的原因以及如何应对。研究这一现象的困难在于缺乏适当的工具。现在，哥本哈根大学化学系的Hatzakis实验室团队开发了一种机器学习算法，能够实时监测显微镜下的聚集。该算法可以自动识别和跟踪对阿尔茨海默病和其他神经退行性疾病产生影响的聚集构建块的关键特征。到目前为止，这一直是一项不可能完成的任务。
“我们的算法现在可以在几分钟内解决通常需要研究人员几周的挑战。这一突破希望能使分析聚集蛋白质的显微镜图像变得更加容易，最终提升我们的理解并可能长期为神经退行性大脑疾病提供新的治疗方法，”化学系的博士生Jacob Kæstel-Hansen说道，他与Nikos Hatzakis共同负责研究团队。
微观蛋白质的快速检测
现在可以快速检测化合物和信号在蛋白质和其他分子之间的相互作用和通信。蛋白质在细胞的功能中起着至关重要的作用，经常出现在自然过程中。然而，当发生错误时，蛋白质可能会聚集在一起，妨碍其正常功能。这可能导致大脑中神经退行性疾病的发生，甚至癌症。
研究人员开发了一种机器学习算法，能够在显微镜图像中识别下至十亿分之一米的蛋白质聚集。此外，该算法可以根据聚集体的形状和大小对这些聚集进行分类和分组，同时跟踪其随时间的变化。这些聚集的出现可能会显著影响其功能。通过显微镜可以观察到聚集在体内的行为，无论是积极的还是消极的。一些聚集呈圆形，而另一些则具有丝状结构，它们的形状可能根据引起的疾病而有所变化。然而，正如本文第一作者、化学系的Steen Bender所指出的，手动计数聚集数千次是一个耗时的过程。该算法将使研究聚集形成的原因变得更加容易，从而推动未来新药的开发。研究人员目前正在探索多种治疗方法来对抗这些疾病，而对这些聚集的基本理解依赖于观察、跟踪和量化它们的能力。根据一位专家的说法，目前没有其他方法可以如此自动且有效地做到这一点。
化学系的研究人员正在使用免费可用的工具进行胰岛素分子的实验。随着胰岛素分子聚集，它们调节血糖的能力减弱。这种新工具允许研究人员观察和研究这种不良聚集在胰岛素分子中的发生。Jacob Kæstel-Hansen表示，该模型可以通过研究不同化合物对聚集体的影响，帮助理解如何防止或将聚集转化为更安全或更稳定的形式。
一旦识别出微观构建块，研究人员相信该工具有潜力帮助开发新药。他们的工作旨在刺激对蛋白质和分子的结构及行为积累更多的信息。
通过使用该工具，全球其他研究人员可以为新药的开发做出贡献。化学系已经收集了与各种疾病和生物学相关的分子和蛋白质结构的庞大集合。Nikos Hatzakis相信，这一资源将增强我们对疾病的理解，并有助于预防工作的开展。该算法以开源形式在互联网上提供，使科学研究人员和其他对研究蛋白质及其他分子的聚集感兴趣的人可以访问。
