Verstoppertje met eiwitten: AI-gestuurde verkenning van dementiebiomarkers
Neurodegeneratieve ziekten, zoals de ziekte van Alzheimer, zijn de belangrijkste oorzaak van dementie. Het onderzoek van neurowetenschapper Dea Gogishvili draagt bij aan een beter begrip van de proteïnebiomarkers die worden gebruikt om de vroege diagnose van dementie te verbeteren, en kan leiden tot een meer gepersonaliseerde prognose van de ziekte.
Onderzoek toont aan dat fysiologische veranderingen jaren vóór het begin van de symptomen optreden. Daarom zijn nauwkeurige klinische tests voor een vroege diagnose cruciaal. Hiervoor zijn robuuste biomarkers nodig, die meetbare eigenschappen vertegenwoordigen die verschillende biologische processen objectief kunnen detecteren en evalueren. Biofluïde eiwitbiomarkers zijn de sleutel tot precisiegeneeskunde en bieden inzicht in onderliggende ziektemechanismen. Biomarkers bestaan naast elkaar met veel andere moleculen in lichaamsvloeistoffen. Mogelijk verstoort dit interacties tussen antilichamen en epitopen. Conformatieveranderingen of aggregatie van eiwitten kunnen epitopen verder belemmeren of verhullen, waardoor ze niet nauwkeurig kunnen worden gedetecteerd en gekwantificeerd. Daarom is het begrijpen van de oplosmiddeltoegankelijkheid van proteïnebiomarkers, of met andere woorden, het spelletje verstoppertje, essentieel voor nauwkeurige detectie en kwantificering.
Effectievere behandelingen
Door het vermogen om deze ziekten vroegtijdig en betrouwbaar te diagnosticeren te verbeteren, komen effectievere behandelingen en beter beheer van de progressie van de ziekte dichterbij. Gogishvili: ‘In plaats van naalden in hooibergen te zoeken, moeten we betere metaaldetectoren ontwikkelen. In het kader van mijn proefschrift hebben we nieuwe manieren ontwikkeld om te meten hoe plakkerig proteïneoppervlakken zijn. Dit is cruciaal voor het begrijpen van een van de kenmerken van neurodegeneratie, de neiging van proteïnen om te aggregeren. We hebben veelbelovende biomarkers geïdentificeerd om te voorspellen hoe snel de cognitieve vermogens van een patiënt kunnen afnemen. Daarnaast hebben we ons verdiept in verschillende hersenspecifieke proteïnen en hun aard in verschillende biologische omgevingen. Misschien wel het meest opwindende is dat we vooruitgang in grote taalmodellen hebben gebruikt om niet-triviale proteïne-eigenschappen te voorspellen.’
Klinische proeven
Gogishvili's onderzoek draagt bij aan de Multi‐omics Interdisciplinary Research Integration to Address DEmentia diagnosis (MIRIADE). Het hoofddoel van MIRIADE is het ontdekken en ontwikkelen van biomarker-assays voor neurodegeneratieve ziekten. De bevindingen van haar proefschrift zijn belangrijk voor het begrijpen van proteïnebiomarkers die worden gebruikt om de vroege diagnose van dementie te verbeteren. Bovendien kunnen de methoden die Gogishvili en haar collega's hebben onderzocht leiden tot een meer gepersonaliseerde prognose om te schatten hoe snel de toestand van een patiënt zal verslechteren. In de toekomst kunnen deze methoden ook worden gebruikt voor het ontwerpen van klinische proeven voor het ontwikkelen van nieuwe medicijnen.
Gogishvili gebruikte computationele en experimentele methodes om proteïnebiomarkers die verband houden met dementie te bestuderen. Ze gebruikte verschillende machine learning-technieken om proteïne-eigenschappen rechtstreeks te voorspellen op basis van hun aminozuursequenties, waaronder structurele kenmerken, associatie met extracellulaire blaasjes en grote hydrofobe plekken. Daarnaast paste ze experimentele technieken toe, zoals waterstof-deuteriumuitwisselingsmassaspectrometrie (HDX-MS).
Meer informatie over het proefschrift
