Quando i nanopori biologici incontrano il deep learning

- EN- DE- FR- IT
Rilevamento delle modifiche post-traslazionali delle proteine mediante un nanopo
Rilevamento delle modifiche post-traslazionali delle proteine mediante un nanoporo biologico, assistito dall’apprendimento profondo. Credito: EPFL
Gli scienziati dell’EPFL presentano un nuovo metodo che utilizza i nanopori biologici e l’apprendimento profondo per rilevare i cambiamenti nelle proteine, aprendo nuove prospettive nella diagnosi delle malattie.

Le proteine sono elementi essenziali della cellula e subiscono varie modifiche dopo la loro sintesi. Queste "modifiche post-traslazionali" (PTM) possono alterare profondamente il modo in cui una proteina funziona nella cellula, da cui la loro importanza in molti processi biologici.

I TMP fungono anche da biomarcatori per diverse malattie. In altre parole, è fondamentale rilevarli e analizzarli con precisione per evitare diagnosi errate. Tuttavia, i metodi tradizionali sono limitati in termini di sensibilità e specificità, in particolare nel caso di basse concentrazioni di proteine e modelli complessi di PTM.

Gli scienziati dell’EPFL hanno recentemente sviluppato un nuovo metodo che combina la sensibilità dei nanopori biologici con la precisione del deep learning. Questo approccio innovativo potrebbe trasformare il modo in cui rileviamo e analizziamo i PTM.

Pubblicato sulla rivista ACS Nano, lo studio è stato condotto dai team di bioingegneria di Matteo Dal Peraro, Chan Cao e Hilal Lashuel della Facoltà di Scienze della Vita dell’EPFL.

Il nuovo metodo si basa sull’uso di un nanoporo biologico, in particolare della tossina aerolisina, che forma i pori, per rilevare e distinguere i peptidi - i mattoni delle proteine - con diversi PTM. Il team di Matteo Dal Peraro ha già lavorato con i nanopori dell’aerolisina per creare sensori ad alta risoluzione per molecole complesse e persino per leggere dati codificati in macromolecole sintetiche. Questa tecnologia a nanopori è abbastanza sensibile da rilevare questi peptidi a concentrazioni picomolari e rappresenta un miglioramento significativo rispetto alle tecniche attuali.

Ma come funziona il metodo? Quando i peptidi passano attraverso il nanoporo, causano cambiamenti caratteristici nel flusso di ioni attraverso il nanoporo, noti come "corrente ionica". Ciascun tipo di PTM modifica la struttura del peptide in modo unico, dando origine a una corrente di segno diverso. Registrando queste variazioni di corrente, il metodo può identificare e differenziare i diversi PTM sui peptidi.

Questo approccio è tanto più notevole in quanto utilizza algoritmi di deep learning per analizzare dati complessi e classificare accuratamente i peptidi in base ai loro pattern PTM. Il modello è in grado di identificare in modo affidabile le firme correnti caratteristiche dei peptidi e delle loro varianti PTM, consentendo una classificazione rapida, automatica e molto accurata.

Per testare questo approccio, i ricercatori si sono avvalsi della competenza di Hilal Lashuel, il cui laboratorio è stato il primo a sviluppare approcci di biologia sintetica e chimica per studiare il ruolo delle PTM nelle malattie neurodegenerative. "Abbiamo dimostrato di poter sfruttare la potenza di rilevamento del nostro nanoporo per individuare e distinguere le diverse forme di PTM dell’alfa-sinucleina. L’alfa-sinucleina è uno dei biomarcatori e dei bersagli più ricercati per lo sviluppo di terapie per il trattamento del morbo di Parkinson", afferma Chan Cao, autore principale dello studio.

Gli scienziati sono riusciti a dimostrare che il metodo dei nanopori è in grado di rilevare e differenziare le proteine di alfa-sinucleina con una o più PTM, come fosforilazione, nitrazione e ossidazione. "Questa capacità di identificare più modifiche contemporaneamente è rivoluzionaria", afferma Hilal Lashuel. "Consentendo una mappatura più precisa del codice PTM delle proteine a livello di singola molecola, potrebbe aiutare a comprendere meglio le complesse interazioni e dinamiche dei PTM nei processi patologici e il loro potenziale come biomarcatori di malattia."

La rilevazione nanopore, combinata con l’analisi avanzata dei dati, apre nuove prospettive per la comprensione delle modificazioni proteiche a un livello di dettaglio finora irraggiungibile. La tecnologia nanopore può essere utilizzata non solo per il rilevamento di PTM, ma anche per la scoperta di biomarcatori e la diagnostica.

"Abbiamo fornito una prima prova di principio che questo approccio può essere utilizzato per rilevare questi biomarcatori in un campione clinico, aprendo la strada allo sviluppo di strumenti diagnostici a singola molecola per la malattia di Parkinson", afferma Matteo Dal Peraro. Il team prevede di sviluppare questo metodo in un dispositivo diagnostico portatile rapido, economico e altamente sensibile per uso medico e commerciale.

Altri collaboratori

Università di Ginevra

Riferimenti

Chan Cao, Pedro Magalhães, Lucien Fabrice Krapp, Juan F. Bada Juarez, Simon Mayer, Verena Rukes, Anass Chiki, Hilal A. Lashuel, Matteo Dal Peraro. Rilevamento di singole molecole di modifiche post-traslazionali delle proteine con un nanoporo biologico, assistito da apprendimento profondo. ACS Nano 19 dicembre 2023. DOI: 10.1021/acsnano.3c08623