Gli scienziati dell'EPFL hanno svelato un metodo che utilizza nanopori biologici e apprendimento profondo per rilevare le modifiche proteiche, offrendo nuove strade nella diagnostica delle malattie.
Le proteine, i cavalli di battaglia della cellula, subiscono varie modifiche dopo la loro sintesi. Poiché possono influenzare profondamente il modo in cui una proteina opera nella cellula, queste "modificazioni post-traduzionali" o PTM sono fondamentali in numerosi processi biologici.
I PTM fungono anche da biomarcatori per diverse malattie, il che significa che è fondamentale poterli rilevare e analizzare accuratamente per evitare diagnosi errate. Ma i metodi tradizionali, tuttavia, sono limitati in termini di sensibilità e specificità, soprattutto quando si tratta di basse concentrazioni di proteine e modelli PTM complessi.
Ora, gli scienziati dell’EPFL hanno sviluppato un nuovo metodo che combina la sensibilità dei nanopori biologici con la precisione dell’apprendimento profondo. L'approccio innovativo può trasformare il modo in cui rileviamo e analizziamo i PTM.
Lo studio è stato condotto dai gruppi di bioingegneria di Matteo Dal Peraro, Chan Cao e Hilal Lashuel presso la School of Life Sciences dell'EPFL ed è pubblicato su ACS Nano .
Il nuovo metodo è incentrato sull’uso di un nanoporo biologico, in particolare della tossina aerolisina che forma pori, per rilevare e distinguere i peptidi, gli elementi costitutivi delle proteine, con diversi PTM. Il gruppo di Dal Peraro ha già lavorato con nanopori a base di aerolisina per realizzare sensori ad alta risoluzione di molecole complesse e persino leggere dati codificati in macromolecole sintetiche. Questa tecnologia dei nanopori è sufficientemente sensibile da rilevare questi peptidi a concentrazioni picomolari, un miglioramento significativo rispetto alle tecniche esistenti.
Ma come funziona il metodo? Quando i peptidi passano attraverso il nanoporo, provocano cambiamenti caratteristici nel flusso di ioni attraverso il nanoporo, la cosiddetta "corrente ionica". Ciascun tipo di PTM modifica la struttura del peptide in modo unico, portando a firme distinte di correnti; registrando questi cambiamenti nella corrente, il metodo può identificare e differenziare i vari PTM sui peptidi.
Ciò che distingue ancora di più questo approccio è che utilizza quindi algoritmi di deep learning per analizzare i dati complessi e classificare con precisione i peptidi in base ai loro modelli PTM. Il modello è in grado di identificare con sicurezza le firme attuali caratteristiche dei peptidi e delle loro varianti PTM, fornendo un modo rapido, automatico ed estremamente accurato per classificarli.
Per testare l’approccio, i ricercatori si sono rivolti alle competenze di Lashuel, il cui laboratorio è stato pioniere nello sviluppo di approcci di biologia sintetica e chimica per studiare il ruolo delle malattie neurodegenerative dei PTM. "Abbiamo dimostrato che possiamo sfruttare il potere di rilevamento dei nostri nanopori per rilevare e discriminare varie forme PTM di alfa-sinucleina, uno dei biomarcatori e bersagli più ricercati per lo sviluppo di terapie per il trattamento del Parkinson", afferma Chan Cao, responsabile dello studio. autore.
Gli scienziati hanno dimostrato con successo che il metodo dei nanopori potrebbe rilevare e differenziare le proteine alfa-sinucleina con PTM singoli o multipli, come fosforilazione, nitrazione e ossidazione. "Questa capacità di identificare più modifiche contemporaneamente è un punto di svolta", afferma Lashuel. "Consente una mappatura più precisa del codice PTM delle proteine a livello di singola molecola e quindi potrebbe aiutare a scoprire nuove informazioni sulla complessa interazione e dinamica dei PTM nei processi patologici e sul loro potenziale come biomarcatori della malattia."
Questa combinazione di rilevamento dei nanopori e analisi avanzata dei dati apre nuove possibilità per comprendere le modifiche proteiche a un livello di dettaglio precedentemente irraggiungibile. La tecnologia dei nanopori può essere utilizzata non solo per il rilevamento dei PTM, ma anche per la scoperta e la diagnostica di biomarcatori.
"Abbiamo fornito una prima prova di principio che questo approccio può essere utilizzato per rilevare questi biomarcatori imitando un campione clinico, fornendo la base per lo sviluppo di strumenti diagnostici a molecola singola per la malattia di Parkinson", afferma Dal Peraro. Il team prevede che il metodo possa essere sviluppato in un dispositivo diagnostico portatile, offrendo uno strumento veloce, economico e altamente sensibile per uso medico e commerciale.
Ulteriori informazioni: Chan Cao et al, Rilevazione di singole molecole assistita dal deep learning delle modifiche post-traduzionali delle proteine con un nanoporo biologico, ACS Nano (2023). DOI:10.1021/acsnano.3c08623
Informazioni sul giornale: ACS Nano
Fornito da Ecole Polytechnique Federale de Lausanne
