Das einzigartige Farbmuster trockener Peptidtropfen kann Mutationen aufdecken, die zu Alzheimer führen. Das belegt eine aktuelle Studie.
Neurodegenerative Erkrankungen wie Alzheimer oder Parkinson entstehen durch die fehlerhafte Faltung von Proteinen oder Peptiden. Ursache sind kleinste Abweichungen in der chemischen Zusammensetzung von Biomolekülen. Forscher des Karlsruher Instituts für Technologie (KIT) haben nun eine effektive und einfache Methode entwickelt, die diese schlechte Faltung in einem frühen Stadium der Erkrankung erkennen kann. Mikroskopische Bilder werden mit neuronalen Netzen analysiert; die Genauigkeit der Vorhersage ist größer als 99 %. Die Ergebnisse wurden in Advanced Materials veröffentlicht.
Mutationen einfach vorhersagen
Proteine und Peptide leiten ihre biologischen Funktionen von ihrer biochemischen Struktur ab. Es gibt viele Hinweise darauf, dass selbst kleinste strukturelle oder räumliche Veränderungen die Entstehung von Krankheiten begünstigen können. Beta-Amyloid-Peptide (Aβ42), die sich in einem einzigen Aminosäurerest unterscheiden und erbliche Mutanten der Alzheimer-Krankheit sind, spielen eine wesentliche Rolle bei der Alzheimer-Krankheit.
Folgen Sie dem Thrills-Kanal für weitere neurologische Themen
Interessieren Sie sich auch für Neuigkeiten aus anderen medizinischen Bereichen? Entdecken Sie hier weitere DocCheck-Kanäle.
Bis heute gibt es keine einfache und genaue Methode zur Vorhersage von Mutationen in Proteinen. Am Institut für Funktionelle Grenzflächen (IFG) des KIT hat die Arbeitsgruppe von Professor Jörg Lahann nun eine Methode entwickelt, um anhand der Trocknungsstruktur von Protein- und Peptidlösungen eine fehlerhafte Faltung nachzuweisen. „Färbungsmuster waren nicht nur charakteristisch und reproduzierbar, sondern führten auch zu einer Klassifizierung von acht Mutationen mit einer Vorhersagegenauigkeit von über 99 Prozent“, beschreibt Studienautor Lahann die Ergebnisse.
Peptid-Fingerabdrücke
Forscher haben gezeigt, dass wichtige Informationen über primäre und sekundäre Peptidstrukturen aus Flecken abgeleitet werden können, die ihre trocknenden Tröpfchen auf einer festen Oberfläche hinterlassen. Protein- und Peptidlösungen werden mit einem Pipettierroboter präzise auf die Oberflächen des Modells aufgetragen, um kontrollierte und reproduzierbare Ergebnisse zu erhalten. Diese Oberflächen wurden zuvor mit einer wasserabweisenden Polymerbeschichtung versehen. Um die komplexen Punktmuster trockener Tröpfchen zu analysieren, erstellten die Forscher Bilder mit Polarisationsmikroskopie. Diese Bilder wurden dann mithilfe von Deep-Learning-Neuronalen Netzen analysiert, wobei neuronale Netze kleinste Unterschiede in den Trocknungsmustern von Peptidlösungen erkennen (links: Amyloid-Beta-Peptid (Aβ42), rechts: Mutation). Quelle: KIT
„Weil die Strukturen sehr ähnlich und mit bloßem Auge schwer zu unterscheiden sind, war es ziemlich überraschend, dass neuronale Netze so effektiv sind“, beschreibt Jörg Lahann die Ergebnisse. „Die Färbemuster von Beta-Amyloid-Peptiden dienen als präzise Fingerabdrücke, die die strukturelle und räumliche Identität eines Peptids widerspiegeln.“ Mit dieser Technologie können Sie einzelne Varianten von Alzheimer mit höchster Auflösung identifizieren, sagt Lahann, und das innerhalb von Minuten.
Eine einfache Probenvorbereitung ermöglicht eine schnelle Diagnose
Die Ergebnisse legen nahe, dass eine so einfache Methode wie das Trocknen eines Tropfens einer Peptidlösung auf einer festen Oberfläche als Indikator für winzige, aber strukturelle Unterschiede in der Primär- und Sekundärstruktur der Peptide dienen kann. „Für die Überlagerung von räumlichen und strukturellen Proteinveränderungen werden dringend skalierbare und genaue Nachweismethoden benötigt, um pathologische Erkrankungen wie Alzheimer und Parkinson zu entschlüsseln“, sagt der Wissenschaftler. Zudem handelt es sich um eine relativ einfache Methode, die vor allem ohne aufwändige Probenvorbereitung auskommt und somit eine einfache und patientenorientierte Diagnostik ermöglicht. Die Methode bietet auch großes Potenzial für weitere Anwendungsgebiete in der medizinischen Diagnose und molekularen Klärung von Krankheiten.
Dieser Artikel basiert auf einer Pressemitteilung des Karlsruher Instituts für Technologie. Wir haben den Originalbeitrag hier und zum Text verlinkt.
Bildnachweis: George Prentzas, unsplash