Des chercheurs de l'Université de Copenhague ont développé un algorithme d'apprentissage automatique qui permet de suivre en temps réel des amas de protéines au microscope, une avancée majeure dans l'étude des maladies neurodégénératives comme la maladie d'Alzheimer et la maladie de Parkinson. L’algorithme automatise la cartographie et le suivi de ces amas, ce qui était auparavant une tâche fastidieuse, accélérant potentiellement le développement de nouveaux traitements pour ces pathologies. Crédit : Issues.fr.com
L'agrégation des protéines est à l'origine de nombreuses maladies neurodégénératives affectant le cerveau, notamment Alzheimer et la démence. Des scientifiques de l'Université de Copenhague ont créé un nouvel instrument pour détecter et analyser ces petits amas de protéines. Cette percée offre une compréhension plus approfondie des composants fondamentaux du corps et améliore le potentiel d'amélioration des traitements pour des maladies telles que le cancer, la maladie d'Alzheimer et la maladie de Parkinson.
Près de 100 000 Danois âgés de 65 ans et plus, ainsi que plus de 55 millions de personnes dans le monde, souffrent de maladies liées à la démence comme la maladie d'Alzheimer et la maladie de Parkinson. Ces troubles surviennent lorsque de minuscules composants cellulaires s’agrègent et altèrent des fonctions corporelles cruciales. Les raisons de ces phénomènes et leur traitement continuent d'échapper aux scientifiques. Jusqu’à récemment, l’exploration de ces maladies était extrêmement difficile en raison du manque d’outils appropriés.
Aujourd'hui, des chercheurs du laboratoire Hatzakis du département de chimie de l'université de Copenhague ont inventé un apprentissage automatique algorithme capable de suivre l’agglutination au microscope en temps réel. L'algorithme peut automatiquement cartographier et suivre les caractéristiques importantes des éléments constitutifs agglomérés qui causent la maladie d'Alzheimer et d'autres troubles neurodégénératifs. Jusqu’à présent, cela était impossible.
« En quelques minutes seulement, notre algorithme résout un défi qui prendrait plusieurs semaines aux chercheurs. Le fait qu'il soit désormais plus facile d'étudier des images microscopiques de protéines agglomérantes contribuera, espérons-le, à nos connaissances et, à long terme, conduira à de nouvelles thérapies pour les troubles neurodégénératifs du cerveau », déclare le docteur Jacob Kæstel-Hansen du Département de chimie, qui, aux côtés de Nikos Hatzakis, a dirigé l'équipe de recherche derrière l'algorithme.
La recherche a été publiée dans la prestigieuse revue scientifique Communications naturelles.
Des protéines microscopiques détectées en un rien de temps
La rencontre et l’échange de composés et de signaux entre protéines et autres molécules se produisent des milliards de fois au sein de nos cellules dans le cadre de processus naturels qui permettent à notre corps de fonctionner. Mais lorsque des erreurs se produisent, les protéines peuvent s’agglutiner de manière à interférer avec leur capacité à fonctionner comme prévu. Entre autres choses, cela peut conduire à des troubles neurodégénératifs du cerveau et au cancer.
L’algorithme d’apprentissage automatique des chercheurs peut détecter des amas de protéines jusqu’à un milliardième de mètre dans les images microscopiques. Parallèlement, l’algorithme peut compter puis regrouper les amas selon leur forme et leur taille, tout en suivant leur évolution dans le temps. L’apparition d’amas peut avoir un impact majeur sur leur fonction et sur leur comportement dans l’organisme, pour le meilleur ou pour le pire.
Les protéines d’insuline s’agglutinent. Crédit : Jacob Kæstel-Hansen
« Lorsqu’on étudie les amas au microscope, on s’aperçoit rapidement, par exemple, que certains sont plus ronds, tandis que d’autres ont des structures filamenteuses. Et leur forme exacte peut varier en fonction du trouble qu’ils déclenchent. Mais les compter manuellement des milliers de fois prend beaucoup de temps, ce qui pourrait être mieux consacré à d'autres choses », explique Steen Bender du Département de chimie, le premier auteur de l'article.
À l’avenir, l’algorithme permettra d’en apprendre beaucoup plus facilement sur les raisons pour lesquelles des amas se forment afin que nous puissions développer de nouveaux médicaments et thérapies pour lutter contre ces troubles.
« La compréhension fondamentale de ces amas dépend de notre capacité à les voir, à les suivre et à les quantifier, et à décrire à quoi ils ressemblent au fil du temps. Aucune autre méthode ne peut actuellement le faire automatiquement et aussi efficacement », dit-il.
Les outils sont accessibles gratuitement à tous
Les chercheurs du Département de chimie utilisent actuellement cet outil pour mener des expériences avec insuline molécules. À mesure que les molécules d’insuline s’agglutinent, leur capacité à réguler notre glycémie s’affaiblit.
« Nous constatons également cette agglomération indésirable dans les molécules d’insuline. Notre nouvel outil peut nous permettre de voir comment ces amas sont affectés par les composés que nous ajoutons. De cette manière, le modèle peut nous aider à comprendre comment potentiellement les arrêter ou les transformer en amas moins dangereux ou plus stables », explique Jacob Kæstel-Hansen.
Ainsi, les chercheurs voient un grand potentiel dans la possibilité d’utiliser cet outil pour développer de nouveaux médicaments une fois que les éléments de base microscopiques auront été clairement identifiés. Les chercheurs espèrent que leurs travaux permettront de recueillir des connaissances plus complètes sur les formes et les fonctions des protéines et des molécules.
« À mesure que d’autres chercheurs du monde entier commenceront à déployer cet outil, celui-ci contribuera à créer une vaste bibliothèque de structures moléculaires et protéiques liées à divers troubles et à la biologie en général. Cela nous permettra de mieux comprendre les maladies et d’essayer de les arrêter », conclut Nikos Hatzakis du Département de chimie.
La recherche a été menée par : Steen WB Bender, Marcus W. Dreisler, Min Zhang, Jacob Kæstel-Hansen et Nikos S. Hatzakis du Département de chimie avec le soutien du Centre de la Fondation Novo Nordisk pour l'évasion et le contrôle optimisés des oligo-éléments.
