EPFL-wetenschappers hebben een methode onthuld die gebruik maakt van biologische nanoporiën en diepgaand leren om eiwitmodificaties te detecteren, wat nieuwe wegen biedt in de ziektediagnostiek.
Eiwitten, de werkpaarden van de cel, ondergaan na hun synthese verschillende modificaties. Omdat ze een diepgaande invloed kunnen hebben op de manier waarop een eiwit in de cel werkt, zijn deze ‘post-translationele modificaties’ of PTM’s van cruciaal belang in tal van biologische processen.
PTM’s dienen ook als biomarkers voor verschillende ziekten, wat betekent dat het van cruciaal belang is dat we ze nauwkeurig kunnen detecteren en analyseren om verkeerde diagnoses te voorkomen. Maar traditionele methoden zijn echter beperkt wat betreft gevoeligheid en specificiteit, vooral als het gaat om lage concentraties eiwitten en complexe PTM-patronen.
Nu hebben wetenschappers van EPFL een nieuwe methode ontwikkeld die de gevoeligheid van biologische nanoporiën combineert met de precisie van deep learning. De innovatieve aanpak kan de manier waarop we PTM’s detecteren en analyseren transformeren.
De studie werd geleid door de bio-engineeringgroepen van Matteo Dal Peraro, Chan Cao en Hilal Lashuel aan de EPFL’s School of Life Sciences en is gepubliceerd in ACS Nano.
De nieuwe methode concentreert zich op het gebruik van een biologische nanoporie, met name het porievormende toxine aerolysine, om peptiden, de bouwstenen van eiwitten, met verschillende PTM’s te detecteren en te onderscheiden. De groep van Dal Peraro heeft eerder gewerkt met op aerolysine gebaseerde nanoporiën om sensoren met hoge resolutie van complexe moleculen te maken en zelfs gegevens te lezen die zijn gecodeerd in synthetische macromoleculen. Deze nanoporietechnologie is gevoelig genoeg om deze peptiden bij picomolaire concentraties te detecteren, een aanzienlijke verbetering ten opzichte van bestaande technieken.
Maar hoe werkt de methode? Terwijl de peptiden door de nanoporie gaan, veroorzaken ze karakteristieke veranderingen in de ionenstroom door de nanoporie: de zogenaamde ‘ionenstroom’. Elk type PTM verandert de structuur van het peptide op een unieke manier, wat leidt tot verschillende handtekeningen van stromingen; door deze veranderingen in de stroom vast te leggen, kan de methode verschillende PTM’s op de peptiden identificeren en differentiëren.
Wat deze aanpak nog meer opvalt, is dat deze vervolgens deep-learning-algoritmen gebruikt om de complexe gegevens te analyseren en de peptiden nauwkeurig te classificeren op basis van hun PTM-patronen. Het model kan met vertrouwen de karakteristieke huidige kenmerken van peptiden en hun PTM-varianten identificeren, waardoor een snelle, automatische en zeer nauwkeurige manier wordt geboden om ze te classificeren.
Om de aanpak te testen, wendden de onderzoekers zich tot de expertise van Lashuel, wiens laboratorium een pionier was in de ontwikkeling van synthetische en chemische biologiebenaderingen om de rol van neurodegeneratieve ziekten van PTM te onderzoeken. “We hebben aangetoond dat we de detectiekracht van onze nanoporie kunnen benutten om verschillende PTM-vormen van alfa-synucleïne te detecteren en te onderscheiden, een van de meest gewilde biomarkers en doelwitten voor het ontwikkelen van therapieën om de ziekte van Parkinson te behandelen”, zegt Chan Cao, leider van het onderzoek. auteur.
De wetenschappers hebben met succes aangetoond dat de nanoporiemethode alfa-synucleïne-eiwitten met enkele of meerdere PTM’s, zoals fosforylering, nitratie en oxidatie, kon detecteren en differentiëren. “Dit vermogen om meerdere wijzigingen tegelijkertijd te identificeren is een gamechanger”, zegt Lashuel. “Het maakt het mogelijk om de PTM-code van eiwitten nauwkeuriger in kaart te brengen op het niveau van afzonderlijke moleculen en zou zo kunnen helpen nieuwe inzichten te ontdekken in het complexe samenspel en de dynamiek van PTM’s in ziekteprocessen en hun potentieel als biomarkers voor ziekten.”
Deze combinatie van nanoporiedetectie en geavanceerde data-analyse opent nieuwe mogelijkheden voor het begrijpen van eiwitmodificaties op een detailniveau dat voorheen onbereikbaar was. Nanopore-technologie kan niet alleen worden gebruikt voor PTM-detectie, maar ook voor de ontdekking en diagnostiek van biomarkers.
“We hebben een eerste proof-of-principle gegeven dat deze aanpak kan worden gebruikt om deze biomarkers te detecteren in een nabootsing van een klinisch monster, wat de basis vormt voor de ontwikkeling van diagnostische hulpmiddelen met één molecuul voor de ziekte van Parkinson”, zegt Dal Peraro. Het team voorziet dat de methode kan worden ontwikkeld tot een draagbaar diagnostisch apparaat, dat een snel, kosteneffectief en zeer gevoelig hulpmiddel biedt voor medisch en commercieel gebruik.
Meer informatie:
Chan Cao et al., Deep Learning-Assisted Single-Molecule Detection of Protein Post-translational Modifications with a Biological Nanopore, ACS Nano (2023). DOI: 10.1021/acsnano.3c08623
Tijdschriftinformatie:
ACS Nano
Geleverd door Ecole Polytechnique Federale de Lausanne