Næsten 100.000 danskere over 65 år og mere end 55 millioner globalt lever med en demenssygdom som Alzheimers eller Parkinson.
Årsagen til sygdommene er, at nogle af de mindste byggeklodser i kroppen klumper sig sammen og ødelægger livsvigtige funktioner.
Hvorfor det sker, og hvordan man kan behandle det, er stadig en gåde for videnskaben. Det har nemlig indtil nu kun været muligt at studere fænomenet i et begrænset omfang og på et meget overfladisk niveau, fordi de rette værktøjer har manglet.
Men nu har forskere fra Hatzakis lab, Kemisk Institut på Københavns Universitet opfundet en machine learning-algoritme, som kan følge sammenklumpningen i realtid i mikroskopet.
Algoritmen kan automatisk kortlægge og spore vigtige karakteristika af disse klumpede byggeklodser, som forårsager fx Alzheimer.
Og det har ikke været muligt før nu.
”Vores algoritme løser en udfordring på få minutter, som ville tage en forsker flere uger. At det fremover bliver nemmere at undersøge mikroskopbilleder af proteiner, der klumper sig sammen, kan forhåbentlig give os en større viden og på længere sigt flere behandlingsmuligheder for sygdomme, der nedbryder hjernen,” siger Ph.d. Jacob Kæstel-Hansen fra Kemisk Institut, der sammen med Nikos Hatzakis ledte forskerholdet bag algoritmen.
Forskningen er udgivet i det prestigefulde videnskabelige tidsskrift Nature Communications.
Opdager mikroskopiske proteiner på ingen tid
At proteiner og andre molekyler går sammen og udveksler stoffer og signaler, sker hele tiden milliarder af gange i vores celler i naturlige processer, der får kroppen til at fungere.
Men hvis der er fejl, kan proteinerne finde på at klumpe sig sammen i forskellige former, så de ikke længere udfører den funktion, de skal.
Og det kan blandt andet føre til sygdomme, der nedbryder hjernen og kræft.
Forskernes machine learning-algoritme kan spotte proteinklumper ned til en milliardtedel meter i mikroskopibilleder.
Samtidig kan algoritmen tælle dem og inddele klumperne i forskellige typer alt efter form og størrelse og følge deres udvikling over tid.
Klumpernes udseende kan nemlig have stor betydning for den funktion, de udfører, og hvordan de opfører sig i kroppen på godt og ondt.
”Når man undersøger klumperne gennem et mikroskop, så kan man ret hurtigt se, at nogle af dem fx er mere runde, mens andre har en mere trådformet struktur. Og netop hvilken form de har kan variere alt efter, hvilken sygdom de udløser. Men hvis man skal sidde og tælle dem manuelt mange tusinde gange, tager det rigtig lang tid, som vi kunne udnytte til bedre ting,” siger Steen Bender fra Kemisk Institut, første forfatter på artiklen.
Den nye algoritme vil fremadrettet gøre det langt nemmere at blive klogere på, hvorfor klumperne dannes, så vi kan udvikle nye typer af medicin og behandling mod de sygdomme, der opstår.
”Den fundamentale forståelse af de her klumper afhænger jo af, at vi kan både se dem, kvantificere dem og beskrive, hvordan de ser ud og udvikler sig over tid. Og det er der ikke andre metoder, der kan gøre automatisk og lige så effektivt i dag,” siger han.
Udvikling af ny medicin
Forskerne fra Kemisk Institut er i fuld gang med at bruge værktøjet på insulinmolekyler, som de lige nu laver forsøg på.
Insulinmolekyler kan nemlig også finde på at klumpe, og så bliver de dårligere til at udføre deres opgave med at regulere vores blodsukker.
”Vi ser også denne her uhensigtsmæssige sammenklumpning hos insulinmolekyler. Og her kan vores nye værktøj give os mulighed for at se, hvordan forskellige stoffer, vi selv tilsætter, påvirker de her klumper. Dermed kan modellen guide os til at forstå hvordan vi måske kan stoppe klumperne, ændre dem til mindre farlige eller mere stabile klumper” forklarer Jacob Kæstel-Hansen.
Derfor ser forskerne stort potentiale i at kunne bruge værktøjet til at udvikle nye typer af medicin, når først vi for alvor kan studere de mikroskopiske byggeklodser.
Forskerne håber, at deres arbejde kan være startskuddet til at samle mere omfattende viden om proteiner og molekylers form og funktioner.
”Når andre forskere rundt om i verden begynder at bruge værktøjet, kan dette hjælpe til at skabe et stort bibliotek over molekyler og proteiners strukturer i både sygdomme og i biologien i det hele taget. På den måde kan vi potentielt forstå sygdomme bedre, men også prøve at stoppe dem,” slutter Nikos Hatzakis fra Kemisk Institut.
Algoritmen ligger frit tilgængeligt på nettet som open source og kan bruges af forskere og andre, som arbejder sig med at forstå proteiner og andre molekyler, der klumper sig sammen.
Forskningen er udført af Steen W. B. Bender, Marcus W. Dreisler, Min Zhang, Jacob Kæstel-Hansen og Nikos S. Hatzakis fra Kemisk Institut med støtte fra Novo Nordisk Fonden Center for Optimised Oligo Escape and Control of Disease.
