Wenn biologische Nanoporen auf Deep Learning treffen

- EN- DE - FR- IT
Deep-Learning-gestützte Erkennung posttranslationaler Proteinmodifikationen mith
Deep-Learning-gestützte Erkennung posttranslationaler Proteinmodifikationen mithilfe eines biologischen Nanopors. Credit: EPFL
Wissenschaftler der EPFL stellen eine neue Methode vor, bei der biologische Nanoporen und Deep Learning eingesetzt werden, um Veränderungen in Proteinen zu erkennen, was neue Möglichkeiten für die Diagnose von Krankheiten eröffnet.

Proteine sind unverzichtbare Bestandteile der Zelle und werden nach ihrer Synthese verschiedenen Veränderungen unterzogen. Diese "posttranslationalen Modifikationen" (PTM) können die Funktion eines Proteins in der Zelle stark beeinträchtigen, weshalb sie für viele biologische Prozesse wichtig sind.

TMPs dienen auch als Biomarker für verschiedene Krankheiten. Mit anderen Worten: Es ist entscheidend, sie genau zu erkennen und zu analysieren, um Fehldiagnosen zu vermeiden. Herkömmliche Methoden sind jedoch in Bezug auf Empfindlichkeit und Spezifität eingeschränkt, insbesondere bei niedrigen Proteinkonzentrationen und komplexen TMP-Mustern.

Wissenschaftler der EPFL haben kürzlich eine neue Methode entwickelt, die die Empfindlichkeit biologischer Nanoporen mit der Genauigkeit des Deep Learning kombiniert. Dieser innovative Ansatz kann die Art und Weise, wie wir TMPs erkennen und analysieren, verändern.

Die in der Zeitschrift ACS Nano veröffentlichte Studie wurde von den Bioengineering-Teams von Matteo Dal Peraro, Chan Cao und Hilal Lashuel von der Fakultät für Biowissenschaften der EPFL durchgeführt.

Die neue Methode beruht auf der Verwendung einer biologischen Nanopore, genauer gesagt des porenbildenden Toxins Aerosolysin, um Peptide - die Bausteine von Proteinen - mit unterschiedlichen TMPs aufzuspüren und zu unterscheiden. Das Team von Matteo Dal Peraro hat bereits mit Aerolysin-Nanoporen gearbeitet, um hochauflösende Sensoren für komplexe Moleküle zu schaffen und sogar Daten zu lesen, die in synthetischen Makromolekülen kodiert sind. Diese Nanoporentechnologie ist empfindlich genug, um diese Peptide in picomolaren Konzentrationen zu erkennen, und stellt eine erhebliche Verbesserung gegenüber den bisherigen Techniken dar.

Aber wie funktioniert die Methode? Wenn Peptide durch die Nanopore fließen, verursachen sie charakteristische Veränderungen im Ionenfluss durch die Nanopore, die als "Ionenstrom" bezeichnet werden. Jede Art von TMP verändert die Struktur des Peptids auf einzigartige Weise, was zu unterschiedlichen Stromsignaturen führt. Durch die Aufzeichnung dieser Stromänderungen ermöglicht die Methode die Identifizierung und Unterscheidung der verschiedenen TMPs auf Peptiden.

Dieser Ansatz ist umso bemerkenswerter, als er Deep-Learning-Algorithmen verwendet, um komplexe Daten zu analysieren und Peptide präzise nach ihren PTM-Schemata zu klassifizieren. Das Modell kann die charakteristischen Stromsignaturen von Peptiden und ihren PTM-Varianten zuverlässig identifizieren, was eine schnelle, automatische und sehr genaue Klassifizierung ermöglicht.

Um diesen Ansatz zu testen, griffen die Forscherinnen und Forscher auf die Expertise von Hilal Lashuel zurück, deren Labor als erstes Ansätze der synthetischen und chemischen Biologie entwickelt hat, um die Rolle von PTMs bei neurodegenerativen Erkrankungen zu untersuchen. "Wir haben gezeigt, dass wir die Nachweiskraft unserer Nanopore nutzen können, um verschiedene PTM-Formen von Alpha-Synuclein nachzuweisen und zu unterscheiden. Dieses gehört zu den am meisten gesuchten Biomarkern und Zielen für die Entwicklung von Therapien zur Behandlung der Parkinson-Krankheit", sagte Chan Cao, Hauptautorin der Studie.

Den Wissenschaftlern gelang es zu zeigen, dass die Nanoporen-Methode Alpha-Synuclein-Proteine mit einer oder mehreren TMPs wie Phosphorylierung, Nitrierung und Oxidation aufspüren und unterscheiden kann. "Diese Fähigkeit, mehrere Veränderungen gleichzeitig zu identifizieren, ist revolutionär", sagt Hilal Lashuel. "Indem sie eine genauere Kartierung des PTM-Codes von Proteinen auf der Ebene eines einzelnen Moleküls ermöglicht, könnte sie dazu beitragen, die komplexe Interaktion und Dynamik von PTMs in pathologischen Prozessen und ihr Potenzial als Biomarker für Krankheiten besser zu verstehen."

Die Nanoporen-Detektion in Verbindung mit fortschrittlicher Datenanalyse eröffnet neue Möglichkeiten, Proteinveränderungen in einem bisher unerreichbaren Detailgrad zu verstehen. Die Nanoporentechnologie kann nicht nur für den Nachweis von TMPs, sondern auch für die Entdeckung von Biomarkern und die Diagnose eingesetzt werden.

"Wir haben einen ersten Grundsatzbeweis dafür erbracht, dass dieser Ansatz zum Nachweis dieser Biomarker in einer klinischen Probe verwendet werden kann, was den Weg für die Entwicklung von Einzelmolekül-Diagnoseinstrumenten für die Parkinson-Krankheit ebnet", sagt Matteo Dal Peraro. Das Team plant, die Methode zu einem schnellen, kostengünstigen und hochempfindlichen tragbaren Diagnosegerät für den medizinischen und kommerziellen Gebrauch weiterzuentwickeln.

Weitere Mitwirkende

Universität Genf

Referenzen

Chan Cao, Pedro Magalhães, Lucien Fabrice Krapp, Juan F. Bada Juarez, Simon Mayer, Verena Rukes, Anass Chiki, Hilal A. Lashuel, Matteo Dal Peraro. Deep learning-assisted single-molecule detection of post-translational protein modifications with a biological nanopore. ACS Nano 19 December 2023. DOI: 10.1021/acsnano.3c08623.