IA em Microscópio Detecta Aglomeração de Proteínas Ligadas a Distúrbios Cerebrais
Ilustração temática de microscopia inteligente para detecção de agregação de proteínas. Crédito: 2025 EPFL/Alexey Chizhik
O acúmulo de proteínas mal dobradas no cérebro desempenha um papel fundamental em doenças como Huntington, Alzheimer e Parkinson. No entanto, essas proteínas nocivas parecem indistinguíveis das normais ao olho humano.
A formação de agregados proteicos normalmente ocorre de forma imprevisível e em questão de minutos, dificultando a detecção e a análise. No entanto, identificar e compreender esses agregados é crucial para o avanço dos tratamentos para doenças neurodegenerativas.
Microscópio com IA prevê Agregação de Proteínas em Tempo Real Sem Marcadores Disruptivos
Agora, pesquisadores da EPFL desenvolveram um sistema de microscópio “autônomo” com aprendizado profundo que integra diversas técnicas de imagem para monitorar a agregação de proteínas em tempo real — e até mesmo prevê-la antes que ela comece. Esse método melhora a eficiência da imagem, minimizando o uso de marcadores fluorescentes, que podem interferir no comportamento natural da amostra e reduzir a precisão.
“Esta é a primeira vez que conseguimos antecipar com segurança a formação de agregados proteicos”, disse Khalid Ibrahim, recém-formado em doutorado pela EPFL. “Como suas propriedades mecânicas estão ligadas a doenças e disfunções celulares, entender como elas evoluem durante a agregação é fundamental para o desenvolvimento de tratamentos eficazes.”
A Pesquisa
A pesquisa, publicada na Nature Communications, foi liderada por Ibrahim juntamente com Aleksandra Radenovic, do Laboratório de Biologia em Nanoescala da EPFL, e Hilal Lashuel, da Escola de Ciências da Vida, em parceria com Carlo Bevilacqua e Robert Prevedel, do Laboratório Europeu de Biologia Molecular em Heidelberg.
O trabalho resulta de uma colaboração de longa data entre os laboratórios de Lashuel e Radenovic, combinando expertise em doenças neurodegenerativas e imagens avançadas de células vivas.
“Este projeto começou com o desejo de desenvolver métodos que revelem novos insights biofísicos”, disse Radenovic. “É incrivelmente gratificante ver essa visão se concretizar.”
Em sua colaboração inicial, liderada por Khalid Ibrahim, os pesquisadores criaram um algoritmo de aprendizado profundo capaz de detectar agregados proteicos maduros em imagens não marcadas de células vivas.
Algoritmo Aprimorado Aciona Imagens de Brillouin em Tempo Real para Revelar a Mecânica de Agregados Proteicos
Com base nessa base, o novo estudo apresenta uma versão atualizada do algoritmo projetado para classificação de imagens em tempo real. Quando esse algoritmo identifica um agregado maduro, ele ativa um microscópio de Brillouin, que usa luz dispersa para medir as propriedades biomecânicas dos agregados, como a elasticidade.
Normalmente, a microscopia de Brillouin é muito lenta para rastrear agregados de formação rápida. No entanto, a abordagem aprimorada por IA garante que o microscópio funcione apenas quando necessário, melhorando significativamente a eficiência e abrindo caminho para uma microscopia mais adaptável e inteligente.
“Este é o primeiro estudo a demonstrar como sistemas autônomos podem integrar com sucesso a microscopia sem marcação, facilitando a adoção de ferramentas avançadas de imagem inteligente por biólogos”, disse Ibrahim.
O Angorítimo
Como esse algoritmo detecta apenas agregados totalmente formados, a equipe deu um passo adiante para capturar os estágios iniciais da agregação. Eles desenvolveram um segundo modelo de aprendizado profundo, treinado em imagens de proteínas de células vivas marcadas com fluorescência, para prever a agregação antes que ela ocorra.
O algoritmo de detecção de “início da agregação” recém-desenvolvido consegue distinguir entre imagens quase idênticas para prever com precisão quando a agregação de proteínas está prestes a começar — alcançando 91% de precisão. Assim que o sistema detecta os estágios iniciais, ele ativa o microscópio Brillouin, oferecendo uma visão em tempo real sem precedentes da biomecânica da agregação à medida que ela se desenvolve.
Microscopia Inteligente
De acordo com Lashuel, além de avançar na microscopia inteligente, a tecnologia é significativamente promissora para o desenvolvimento de medicamentos e medicina de precisão.
“A imagem sem rótulo oferece oportunidades inteiramente novas para investigar e atingir pequenos aglomerados de proteínas tóxicas, conhecidos como oligômeros, que se acredita serem os principais causadores de doenças neurodegenerativas”, explica ele.
“Estamos entusiasmados em expandir esses resultados e estabelecer as bases para plataformas de descoberta de medicamentos que podem acelerar o desenvolvimento de tratamentos mais eficazes.”
Leia o Artigo Original Phys Org
