L'accumulation de protéines mal repliées dans le cerveau est au cœur de la progression des maladies neurodégénératives comme celle de Huntington, d'Alzheimer et de Parkinson. Mais pour l'œil humain, les protéines destinées à former des agrégats nocifs ne semblent pas différentes des protéines normales. La formation de ces agrégats a également tendance à se produire de manière aléatoire et relativement rapide – à l'échelle des minutes. La capacité d'identifier et de caractériser les agrégats de protéines est essentiel pour comprendre et combattre les maladies neurodégénératives.
Maintenant, en utilisant l'apprentissage en profondeur, les chercheurs de l'EPFL ont développé un système d'imagerie « auto-conducteur '' qui exploite plusieurs méthodes de microscopie pour suivre et analyser l'agrégation des protéines en temps réel – et même l'anticiper avant qu'elle ne commence. En plus de maximiser l'efficacité de l'imagerie, l'approche minimise l'utilisation des étiquettes fluorescentes, qui peuvent modifier les propriétés biophysiques des échantillons de cellules et entraver une analyse précise.
C'est la première fois que nous sommes en mesure de prévoir avec précision la formation de ces agrégats de protéines. Parce que leurs propriétés biomécaniques sont liées aux maladies et à la perturbation de la fonction cellulaire, comprendre comment ces propriétés évoluent tout au long du processus d'agrégation conduiront à une compréhension fondamentale essentielle au développement de solutions. «
Khalid Ibrahim, diplômé récent EPFL PhD
Ibrahim a publié ce travail dans Communications de la nature Avec Aleksandra Radenovic, chef du laboratoire de biologie nanométrique à l'École d'ingénierie, et Hilal Lashuel à l'École des sciences de la vie, en collaboration avec Carlo Bevilacqua et Robert Prevedel au European Molecular Biology Laboratory à Heidelberg, en Allemagne. Le projet est le résultat d'une collaboration de longue date entre les laboratoires Lashuel et Radenovic qui unit une expertise complémentaire en neurodégénérescence et des technologies avancées d'imagerie des cellules vivantes. « Ce projet est né d'une motivation pour construire des méthodes qui révèlent de nouvelles idées biophysiques, et il est passionnant de voir comment cette vision a maintenant porté des fruits », explique Radenovic.
Assister à la naissance d'un agrégat de protéines
Dans leur premier effort de collaboration, dirigé par Ibrahim, l'équipe a développé un algorithme d'apprentissage en profondeur qui a pu détecter des agrégats de protéines matures lorsqu'ils ont été présentés avec des images non marquées de cellules vivantes. La nouvelle étude s'appuie sur ce travail avec une version de classification d'image de l'algorithme qui analyse ces images en temps réel: lorsque cet algorithme détecte un agrégat de protéines matures, il déclenche un microscope brillouin, qui analyse la lumière diffusée pour caractériser les propriétés biomécaniques des agrégats comme l'élasticité.
Normalement, la vitesse d'imagerie lente d'un microscope Brillouin en ferait un mauvais choix pour étudier les agrégats de protéines en évolution rapide. Mais grâce à l'approche dirigée par l'équipe EPFL, le microscope Brillouin n'est activé que lorsqu'un agrégat de protéines est détecté, accélérant l'ensemble du processus tout en ouvrant de nouvelles avenues en microscopie intelligente.
« Il s'agit de la première publication qui montre le potentiel impressionnant que les systèmes autonomes d'incorporer des méthodes de microscopie sans étiquette, ce qui devrait permettre à davantage de biologistes d'adopter des techniques de microscopie intelligente en évolution rapide », explique Ibrahim.
Étant donné que l'algorithme de classification d'image ne cible que des agrégats de protéines matures, les chercheurs devaient encore aller plus loin s'ils voulaient attraper la formation d'agrégats dans la loi. Pour cela, ils ont développé un deuxième algorithme d'apprentissage en profondeur et l'ont formé sur des images marquées par fluorescence de protéines dans les cellules vivantes. Cet algorithme de détection «d'apparition d'agrégation» peut faire la différence entre les images presque identiques pour s'identifier correctement lorsque l'agrégation se produira avec une précision de 91%. Une fois ce début repéré, le système auto-conducteur allume à nouveau l'imagerie de Brillouin pour fournir une fenêtre jamais vu auparavant sur l'agrégation des protéines. Pour la première fois, la biomécanique de ce processus peut être capturée dynamiquement au fur et à mesure qu'elle se produit.
Lashuel souligne qu'en plus de faire progresser la microscopie intelligente, ce travail a des implications importantes pour la découverte de médicaments et la médecine de précision. « Les approches d'imagerie sans étiquette créent des façons entièrement nouvelles d'étudier et de cibler les petits agrégats de protéines appelés oligomères toxiques, qui sont censés jouer des rôles causaux centraux dans la neurodégénérescence », dit-il. « Nous sommes ravis de nous appuyer sur ces réalisations et de ouvrir la voie à des plateformes de développement de médicaments qui accéléreront des thérapies plus efficaces pour les maladies neurodégénératives. »
