• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • En ny biosensor för att detektera neurogenerativa sjukdomsproteiner
    En infografik som förklarar processen för biosensorn ImmunoSEIRA för detektering av felveckade proteiner kopplade till Parkinsons och Alzheimers sjukdom. Version utan text. Kredit:EPFL

    Genom att kombinera flera avancerade teknologier i ett enda system har EPFL-forskare tagit ett betydande steg framåt för att diagnostisera neurodegenerativa sjukdomar (NDD) som Parkinsons sjukdom (PD) och Alzheimers sjukdom (AD).



    Denna nya enhet är känd som ImmunoSEIRA-sensorn, en biosensorteknologi som möjliggör upptäckt och identifiering av felveckade proteinbiomarkörer associerade med NDD. Forskningen, publicerad i Science Advances , utnyttjar också kraften i artificiell intelligens (AI) genom att använda neurala nätverk för att kvantifiera sjukdomsstadier och progression.

    Detta betydande tekniska framsteg lovar inte bara tidig upptäckt och övervakning av NDD, utan också för att utvärdera behandlingsalternativ i olika stadier av sjukdomens utveckling.

    Behandling av neurodegenerativa sjukdomar står inför en betydande utmaning på grund av bristen på effektiva diagnostiska metoder för tidig upptäckt och övervakning av sjukdomsprogression. Proteinfelveckning, en vanlig mekanism vid neurodegeneration, har identifierats som en nyckelhändelse i sjukdomsprogression.

    Det antas att friska proteiner felveckas först till oligomerer i tidiga stadier och till fibriller i senare stadier av sjukdomen. Dessa felveckade proteinaggregat cirkulerar i hjärnan och biovätskor och ackumuleras också som avlagringar i hjärnan hos avlidna NDD-drabbade. Men utvecklingen av verktyg för att upptäcka dessa tecken på sjukdom – kända som biomarkörer – har förblivit svårfångade fram till nu. Hindren för exakt detektering är flera, inklusive gränserna för nuvarande teknologi för att exakt separera och kvantifiera olika proteinaggregat.

    Kombinerar flera avancerade teknologier till en sensor

    För att skapa denna avancerade NDD-biomarkörsensor har forskare vid Professor Hatice Altugs Bionanophotonic Systems Laboratory (BIOS) och Professor Hilal Lashuels Laboratory of Molecular Neurobiology and Neuroproteomics (LMNN) kombinerat flera vetenskapsområden:proteinbiokemi, optofluidik, nanoteknik, och art. AI).

    "Till skillnad från nuvarande biokemiska tillvägagångssätt som förlitar sig på att mäta nivåerna av dessa molekyler, är vårt tillvägagångssätt fokuserat på att upptäcka deras onormala strukturer. Denna teknologi tillåter oss också att differentiera nivåerna av de två huvudsakliga onormala formerna som är inblandade i utvecklingen och progressionen av NDD, oligomerer. och fibriller", säger Lashuel

    ImmunoSEIRA-sensorn använder en teknik som kallas ytförstärkt infraröd absorption (SEIRA) spektroskopi. Denna metod gör det möjligt för forskare att upptäcka och analysera former av specifika sjukdomsassocierade molekyler, kända som biomarkörer, associerade med neurodegenerativa sjukdomar. Sensorn är utrustad med en unik immunanalys, som fungerar som en molekylär detektiv som identifierar och fångar dessa biomarkörer med hög precision.

    "I vår artikel presenterar vi en teknisk lösning som integrerar nanoplasmonik, nanotillverkning i renrum, mikrofluidik, immunanalys, AI och avancerade biokemiska metoder", säger Ph.D. student och huvudförfattare till tidningen Deepthy Kavungal. "Vår ImmunoSEIRA-sensor uppvisar strukturell känslighet och förmågan att övervaka en panel av komplementära biomarkörer med hög specificitet från små provvolymer i komplexa biomatriser."

    En infografik som förklarar processen med biosensorn ImmunoSEIRA för upptäckt av felveckade proteiner kopplade till Parkinsons och Alzheimers sjukdom. Kredit:EPFL

    Gå med i kraften av nanoteknik och artificiell intelligens

    ImmunoSEIRA-sensorn har guldnanorod-arrayer med antikroppar för specifik proteindetektion. Det möjliggör realtidsspecifik infångning och strukturell analys av målbiomarkörer från extremt små prover. Neurala nätverk, en undergrupp av AI-algoritmer, används sedan för att identifiera förekomsten av specifika felveckade proteinformer, de oligomera och fibrillära aggregaten, vilket uppnår en aldrig tidigare skådad nivå av detektionsnoggrannhet allteftersom sjukdomarna fortskrider.

    Lashuel anser att detta är ett betydande framsteg inom sjukdomsdetektering, och tillägger att "eftersom sjukdomsprocessen är nära förknippad med förändringar i proteinstruktur, tror vi att strukturella biomarkörer, särskilt när de integreras med andra biokemiska och neurodegenerationsbiomarkörer, kan bana väg för mer exakt diagnos och övervakning av sjukdomsprogression."

    EPFLs forskargrupp gick ett steg längre för att visa att ImmunoSEIRA-sensorn kan användas i verkliga kliniska miljöer, det vill säga i biovätskor. De kunde exakt identifiera den specifika signaturen hos onormala fibriller, en nyckelindikator på neurodegenerativa sjukdomar, även i komplexa vätskor som human cerebrospinalvätska (CSF).

    Professor Altug förklarar att nästa steg med denna nya teknologi "är att fortsätta att utöka sin kapacitet och utvärdera dess diagnostiska potential vid Parkinsons sjukdom och det växande antalet sjukdomar som orsakas av felveckning och aggregering av protein."

    Resultaten av denna studie markerar ett betydande framsteg inom områdena biosensing, infraröd spektroskopi, nanofotonik och biomarkörer för neurodegenerativa sjukdomar. Utplaceringen av den AI-stödda ImmunoSEIRA-sensorn är ett välkommet framsteg för tidig NDD-detektering, sjukdomsövervakning och bedömning av läkemedelseffektivitet, vilket tar itu med det kritiska behovet av snabb intervention och behandling av neurodegenerativa sjukdomar.

    Mer information: Deepthy Kavungal et al, Artificiell intelligens-kopplad plasmonisk infraröd sensor för detektering av strukturella proteinbiomarkörer i neurodegenerativa sjukdomar, Science Advances (2023). DOI:10.1126/sciadv.adg9644

    Journalinformation: Vetenskapens framsteg

    Tillhandahålls av Ecole Polytechnique Federale de Lausanne




    © Vetenskap https://sv.scienceaq.com