Neurodegenerative Krankheiten wie Alzheimer oder Parkinson werden durch Fehlfaltungen von Proteinen hervorgerufen, also durch Änderungen der räumlichen Struktur dieser Proteine aufgrund von kleinen Abweichungen in der chemischen Zusammensetzung der Moleküle. Bei der Alzheimer-Krankheit spielen Amyloid-beta-(Aβ42)-Peptide eine wesentliche Rolle, die sich in einem einzigen Aminosäurerest von der gesunden Form unterscheiden. Jetzt hat ein WissenschaftlerInnen-Team eine effektive und simple Methode entwickelt, die derartige Fehlfaltungen bereits in einem frühen Stadium der Erkrankung nachweisen kann.
Bei diesem Nachweisverfahren werden Blut- oder Liquorproben des Patienten auf eine zuvor speziell beschichtete Oberfläche aufgebracht und getrocknet. Durch die Trocknung entstehen komplexe Fleckenmuster, die sich mit dem bloßen Auge nur schwer unterscheiden lassen. Mit Hilfe eines deep learning Systems entwickelten die Forschenden jedoch ein Programm, mit dem sich krankhafte Veränderungen in Amyloid-beta-Proteinen sehr gut nachweisen lassen. „Die Fleckenmuster waren nicht nur charakteristisch und reproduzierbar, sondern führten auch zu einer Klassifizierung von acht Mutationen mit einer Vorhersagegenauigkeit von über 99 Prozent“, beschreibt Jörg Lahann, Autor der Studie, die Ergebnisse, die innerhalb von Minuten ermittelt werden können. Die Fleckenmuster von Amyloid-beta-Peptiden dienen als genaue Fingerabdrücke, die die strukturelle und räumliche Identität eines Peptides widerspiegeln.“
Die Ergebnisse legen nahe, dass eine so simple Methode wie das Trocknen eines Tröpfchens einer Peptid-Lösung auf einer festen Oberfläche als Indikator für winzige, aber strukturelle Unterschiede in den Primär- und Sekundärstrukturen von Proteinen und Peptiden dienen kann. „Skalierbare und genaue Nachweisverfahren für die Schichtung von räumlichen und strukturellen Proteinveränderungen sind dringend erforderlich, um Krankheiten wie die Alzheimer- und Parkinson-Krankheit zu entschlüsseln“, so Lahann. Die Methode hat auch ein großes Potential für andere Anwendungsfelder in der medizinischen Diagnostik und generell in der molekularen Aufklärung von Krankheiten.
Referenz:
Karlsruher Institut für Technologie (KIT)
Deep-Learning-Assisted Stratification of Amyloid Beta Mutants Using Drying Droplet Patterns, Advanced Materials 2022, https://onlinelibrary.wiley.com/doi/full/10.1002/adma.202110404
