Nu kan man tage proteiners fingeraftryk

Videnskabelige nybrud 14. okt 2021 4 min Associate Professor and Group Leader Nikos S. Hatzakis, PhD Henrik Pinholt Skrevet af Kristian Sjøgren

Proteiners fingeraftryk kan gøre det meget lettere at identificere industrielt eller medicinsk interessante egenskaber i proteiner.

Interesseret i Videnskabelige nybrud? Vi kan holde dig opdateret helt gratis

Forestil dig, at du laver enzymer til vaskepulvere og er interesseret i at finde nye enzymer, der gør tøjet endnu renere, end det er muligt i dag.

Den proces er enormt dyr, fordi egenskaberne for tusindvis af proteiner omhyggeligt skal gennemgås for at finde nogle, der kan være interessante.

Der er dog også en anden måde at gøre det på, og det er ved at tage proteinernes ”fingeraftryk”.

Hvis to proteiner har samme fingeraftryk, viser de også lignende egenskaber. Det er i hvert fald, hvad forskere fra Københavns Universitet for nyligt har opdaget. Hvis et protein har et fingeraftryk, som ligner fingeraftrykket fra et vaskepulverenzym, bør producenten af vaskepulveret altså lige tage et ekstra kig på det protein for at se, om det rent faktisk kan være mere effektivt end det, som i forvejen er i vaskepulveret.

Metoden til at tage proteiners fingeraftryk har forskere nu verificeret, og den metode involverer fluorescerende molekyler, et kamera til at optage videoer af proteinernes bevægelser og så kunstig intelligens til at hitte hoved og hale i det hele.

”Hvis man vil identificere enzymer til vaskepulvere, er det en meget dyr proces med mange dyre eksperimenter undervejs. Derfor vil det være et stort fremskridt, hvis man bare kan brede tusindvis af proteiner ud på en overflade og så ud fra deres fingeraftryk identificere den håndfuld proteiner, som er mest interessante at gå videre med til yderligere undersøgelser,” fortæller en af forskerne bag det nye studie, ph.d.-studerende Henrik Pinholt fra MIT i Boston, USA.

Henrik Pinholt har lavet forskningen på Kemisk Institut ved Københavns Universitet i lektor Nikos Hatzakis forskningsgruppe i samarbejde med lektor Wouter Boomsma fra Datalogisk Institut.

Forskningen er offentliggjort i Proceedings of the Natural Academy of Sciences of the United States of America.

Sætter små lysende prikker på proteiner

Udgangspunktet for forskningsarbejdet er hypotesen, at hvis proteiner bevæger sig ens, har de formentlig nogenlunde de samme egenskaber.

I forskningen har Henrik Pinholt sammen med sine kollegaer studeret proteiners bevægelse ved at analysere data optaget med et mikroskop og et kamera. Dataene er taget ved at udstyre proteiner med fluorescerede proteiner, som gør det muligt at optage tusindvis af proteiner samtidig.

Når forskerne tager videoer af proteinerne, ser de en masse lysende prikker bevæge sig, og en computer udstyret med kunstig intelligens står så for at udlede, hvilket proteiner der er tale om ud fra deres bevægelser.

I alt kigger algoritmen på 17 træk valgt til at beskrive de fleste former for bevægelse.

”Proteinernes bevægelser består af en masse egenskaber: hvor hurtigt de bevæger sig og over hvilke afstande, og om de bevæger sig lige frem eller i et mønster. Det er en masse egenskaber, der er kogt sammen til noget, som vi med kunstig intelligens kan genkende. Det er samme teknologi til at følge bevægelsesmønstre, som man bruger til at følge fodbolden med kameraet i en fodboldkamp. Det giver et spor af data, som man kan følge med en algoritme,” forklarer Henrik Pinholt.

Bevægelser sladrer om funktion

Med teknikken er forskerne i stand til med høj præcision at pege på, hvilket molekyle der er tale om, når de analyserer på ”tusindvis af proteiner i en spand”, som Henrik Pinholt formulerer det.

Teknikken kan med 90 pct. præcision sige, om et givent protein er det ene eller det andet.

Skal teknikken skelne mellem to proteiner, som allerede er kendte, stiger præcisionen til mere end 90 pct.

Forskernes primære interesse er dog ikke inden for identifikation, men derimod inden for funktion. De vil ikke bare vide, hvilke molekyler der er tale om, men også hvad de kan lave.

”Vi har kigget på data fra lignende forsøg med nanobærere for lægemidler, og de viser blandt andet, at nogle bevægelsesmønstre er koblet til evnen til bedre at levere noget i kroppen. Det indikerer, hvilke af disse nanopartikler der kan være medicinsk interessante. Samme tankegang kan man lægge ned over proteinerne,” siger Henrik Pinholt.

Som at spore en tyv i et supermarked

Hvis man skal forstå potentialet i den nye teknologi, skal man ifølge Nikos Hatzakis, som ledte forskningen, forestille sig en indbrudstyv i et supermarked.

Tyven bevæger sig måske lidt anderledes, fordi han er mere nervøs og opmærksom på sine omgivelser.

Hvis man så filmer alle de handlende i supermarkedet, vil man ved at analysere folks bevægelsesmønstre kunne pege på, hvem der er indbrudstyve, og hvem der bare er ude for at købe mælk og sukker.

Det samme princip gør sig gældende ved identifikation af egenskaber i proteiner. Her kan forskerne ved hurtigt at skanne flere tusinde proteiner finde ud af, hvem der har de egenskaber, som de leder efter.

”Man skal forestille sig, at man i eksempelvis et vaskepulverenzym spotter nogle bevægelsesmønstre, som er koblet til deres evne til at gøre tøj rent. Disse bevægelsesmønstre kan man så lede efter blandt tusindvis af proteiner på samme tid. Det samme kan man gøre inden for medicinsk forskning, hvis man allerede har nogle proteiner, som udviser nogle interessante medicinske egenskaber, eksempelvis inden for kræftområdet. Her vil man gerne finde en masse proteiner, som kan noget lignende det samme. Man kan selvfølgelige ikke bruge teknologien til at validere, at et protein har en medicinsk egenskab, men man kan pege på en håndfuld kandidater blandt tusindvis af proteiner og så lave videre forskning med dem, som ser mest interessante ud,” siger Henrik Pinholt.

Henrik Pinholt uddyber, at dette er meget vigtigt for en række proteiner, som er essentielle for udvikling af medicin, herunder receptorer og proteiner, der styrer metabolismen eller kræft. Det er også vigtigt for at forstå de veje, som for eksempel medikamenter eller vira tager ind i cellen. Dette er noget, som Hatzakis-gruppen forsker aktivt i på nuværende tidspunkt.

Single-particle diffusional fingerprinting: a machine-learning framework for quantitative analysis of heterogeneous diffusion” er udgivet i Proceedings of the National Academy of Sciences of the United States of America. En hovedforfattere, Nikos Hatzakis, er tilknyttet Novo Nordisk Foundation Center for Protein Research på Københavns Universitet.

Nikos Hatzakis' main research interest is to obtain a fundamental understanding of the parameters underlying regulation of protein function and how ab...

The main research interest is to obtain a fundamental understanding of the parameters underlying regulation of enzymatic function. Enzymes regulate a...

Dansk
© All rights reserved, Sciencenews 2020