Når proteiner klumper sammen i kroppen, kan det lede til udvikling af en lang række sygdomme i for eksempel hjernen eller blodet, og det er vigtigt, at forskere kan lave gode analyser af sammenklumpningerne for at forstå sygdommene eller på sigt kurere dem. Det arbejde har førhen taget uger, men nu kan kunstig intelligens gøre det på minutter.
I kroppen opfører proteiner sig ikke altid, som de burde, og det kan lede til udvikling af en lang række sygdomme.
For eksempel er Alzheimers sygdom resultatet af sammenklumpninger af proteiner i hjernen, hvilket leder til dannelsen af skadelig plak.
Traditionelt har forskere analyseret højopløselige billeder af proteinsammenklumpninger, ofte manuelt, for at komme dybere ned i sygdomsforståelsen ved Alzheimers eller mulige behandlinger. Det arbejde tager ofte uger, eftersom hvert billede skal nærstuderes, i takt med at proteinklumper bliver optalt og beskrevet.
Det ville alt andet lige være lettere, hvis man nu kunne bruge kunstig intelligens til at analysere data i billederne i løbet af minutter og fortælle forskerne, hvad der præcis findes i prøven under mikroskopet...
...hov, det er jo akkurat det, som forskere ved Kemisk Institut på Københavns Universitet netop har udviklet.
»Analysen af proteinstrukturer i billeder taget med superopløsningsmikroskopi har været en flaskehals i forskningen i en lang række sygdomme relateret til proteinsammenklumpning plus flere andre forskningsområder. Den flaskehals fjerner vi nu med en løsning, som kan koge uger eller måneders arbejde ned til minutter,« fortæller en af forskerne bag udviklingen af analyseværktøjet, postdoc Jacob Kæstel-Hansen fra Kemisk Institut ved Københavns Universitet.
Det nye værktøj, der er udviklet af Jacob Kæstel-Hansen, professor Nikos Hatzakis samt forskerne Steen W. B. Bender, Marcus Winther Dreisler og Min Zhang fra Nikos Hatzakis Lab og Novo Nordisk Fondens Center for Optimized Oligo Escape and Control of Disease, går under navnet SEMORE (SEgmentation and MORphological fingErprinting) og er netop offentliggjort i Nature Communications.
Tager tid at analysere mikroskopibilleder
SEMORE kan benyttes til analyser af proteinsammenklumpning i mange forskellige henseender. For eksemplets skyld skeler vi til potentialet inden for forskning i neurodegenerative sygdomme som Alzheimers sygdom eller Parkinsons sygdom.
Begge sygdomme er kendetegnet ved sammenklumpning af proteiner i hjernen, hvorfor disse sammenklumpninger i mange år har været genstand for intensiv forskning med sigte på at forhindre sammenklumpninger og derigennem eliminere sygdommene.
Vil man som eksempel studere udviklingen af Alzheimers i mus, kan man forestille sig, at forskere gentagne gange udtager hjerneprøver fra mus og kigger på udviklingen af sammenklumpninger over tid.
Her kan forskere som eksempel være interesserede i at se, hvor mange proteinklumper der er i et givent stykke af hjernen, hvilken form de har, hvor store de er, og hvordan tingene udvikler sig over dage, uger eller måneder.
De kan også være interesserede i at se, hvad der sker med proteinsammenklumpninger, hvis man behandler musene med eksperimentelle lægemidler.
Et grundigt stykke forskningsarbejde kan hurtigt komme til at involvere hundredvis eller tusindvis af superopløsningsbilleder, hvor forskere manuelt skal tælle og beskrive tusindvis af proteinklumper.
Ja, det tager ikke bare tid, men latterligt lang tid.
»Forskere bruger uforholdsmæssigt meget tid på at analysere mikroskopibilleder af proteinaggregering, og det forsinker hele forskningsarbejdet. Derfor har der været et stort behov for automatiserede metoder, der pålideligt kan fortælle forskerne, hvad der er på de billeder, som de har taget under mikroskopet,« forklarer Jacob Kæstel-Hansen.
Analyserer hver en lille detalje i billeder eller video
Og så er vi fremme ved SEMORE.
SEMORE er en model baseret på kunstig intelligens, som kan ekstrahere al den data, plus det løse, som forskere gerne vil have ud af billederne.
Den er designet til at kunne genkende sammenklumpninger af proteiner og kan i løbet af et par minutter fortælle, hvor mange proteinklumper der er i et billede, hvor store de hver især er, og hvilken form de har.
Fodrer man SEMORE med data fra en videofil, analyserer den hvert billede i filmen og fortæller, hvordan tingene har udviklet sig over tid. Er der kommet flere klumper eller færre, og er de blevet større eller mindre? Ændrer de form over tid?
Alt sammen er uvurderlig viden for forskere, der, som i eksemplet fra før, gerne vil vide, hvordan neurodegenerative sygdomme udvikler sig.
»SEMORE er ikke begrænset til kun at kigge på billeder af proteinsammenklumpninger i neurodegenerative sygdomme, men kan benyttes alle steder, hvor man gerne vil analysere proteiner, der klumper sammen. Vi har selv lavet et forsøg med et eksempel, hvor insulin klumper sammen, hvilket har betydning for dets effektivitet. Det kunne vi også analysere på meget få minutter,« siger Steen W. B. Bender.
Vil lave et bibliotek ud af data
SEMORE rummer et potentiale til at gøre arbejdet lettere for tusindvis af forskere, der i dag møjsommeligt tæller klumper af proteiner på mikroskopibilleder, og for dem er det en kærkommen nyhed, at modellen også er frit tilgængelig og plug and play.
Det vil sige, at forskere selv kan uploade deres data til SEMORE og kort tid efter få en fil med information, der ellers ville have taget dem uger at nå frem til.
Professor Nikos Hatzakis håber, at i takt med at flere forskere benytter SEMORE, vil data fra de mange analyser blive indsamlet i en database, der i sig selv kan blive til en forskningsressource.
»Vi kigger som eksempel meget på insulin i øjeblikket, og hvis andre forskere gør det samme eller studerer andre proteiner, kan vi samlet set skabe et helt bibliotek over, hvad der sker med sammenklumpningen af forskellige proteiner under forskellige betingelser. Det kan på sigt gøre os klogere på, hvordan forskellige betingelser spiller en rolle for sygdomsudvikling,« forklarer han.
