社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

Chem. Asian J. :液晶传感器结合深度学习鉴定野生型和突变型帕金森病相关α-突触核蛋白

X-MOL资讯 • 3 年前 • 571 次点击  

帕金森病作为仅次于阿尔茨海默病的第二大神经退行性疾病,目前已经在全球影响超过600万人,在中国65岁以上患病率达1.7%。帕金森病不仅降低了患者的生活质量,同时给患者和社会带来了巨大的经济负担。据研究显示,中国每年在帕金森病方面的花费高达5亿美元。并且随着当前老龄化程度的发展,帕金森病患者数量仍在持续增加。帕金森病的早期诊断对疾病的治疗和患者生活质量的提高具有十分关键的作用。α-突触核蛋白(α-synuclein)作为帕金森病的重要生物标记物之一,若发生与家族遗传相关的点突变会显著提高发病率、提前发病时间及加重病情的发展。因此,检测α-synuclein是否发生突变,有助于突变相关帕金森病的早期诊疗。当前用来检测α-synuclein是否出现突变的方法仍主要依赖于基因检测,该方法价格昂贵、耗时长,不利于社区范围的广泛推行。因此构建简单、经济、商品化的α-synuclein突变的鉴定方法具有重要意义。


为此,清华大学杨忠强课题组和首都医科大学张曦课题组开发了简易、免标记、低成本的液晶传感器,利用野生型和突变型α-synuclein与磷脂修饰的液晶-水相界面的相互作用的不同,采用深度学习技术分析、揭示了α-synuclein和磷脂结合产生的独特液晶光学信号特征,实现了对野生型和突变型α-synuclein的鉴定。

图1. 液晶5CB、磷脂POPC、α-synuclein结构示意图以及利用POPC修饰的液晶-水相界面研究α-synuclein与POPC相互作用的示意图。

液晶除了被广泛用于显示器以外,还可用于生物传感与检测。特定分子在液晶界面上发生的相互作用可以改变液晶取向,输出为肉眼可见的光学信号,因此具有免标记、免复杂仪器、高灵敏度、实时、简单、零能耗等优点,得到了科学界的关注。α-synuclein由140个氨基酸组成,其N端是介导α-synuclein与细胞膜上的磷脂相互作用的区域。该工作选择六种典型家族遗传性帕金森病单点突变型α-synuclein:A30P、E46K、H50Q、G51D、A53E和A53T,其突变点均位于α-synuclein的N端。磷脂则选用细胞膜上具有代表性的两性离子磷脂,磷脂1-棕榈酰-2-油酰-sn-甘油-3-磷酸胆碱(POPC)。


实验发现,野生型和突变型α-synuclein与POPC之间的相互作用诱导液晶分子取向发生转变,转化为肉眼可见的、特定的液晶光学信号图案,包括条纹状、椭圆形、泪滴状、扇形等。这些光学图案随着时间发展不断聚并、生长,最终形成致密的不规则形状。值得注意的是,尽管野生型和突变型α-synuclein在140个氨基酸中仅存在一个位点的不同,但足以导致液晶在转变速度、光学特性和灵敏度上呈现显著差异。


随后,该工作使用硫黄素-T荧光实验证实α-synuclein存在的区域与液晶转变形成的明亮图案区域一一对应,表明液晶转变确实是由蛋白-磷脂相互作用诱导形成的,并且,α-synuclein在POPC修饰的液晶-水相界面上形成了β-sheet二级结构。

图2. 野生型和突变型α-synuclein与磷脂POPC相互作用诱导形成的液晶光学信号图

考虑到面对数以千计的光学图像,同时E46K、A53E和A53T诱导液晶转变的速度和形成的光学信号图案具有高度相似性,因此光凭肉眼难以实现高效、准确地分析。为此,该团队引入了深度学习技术对上千张图片进行处理和分析,揭示并总结了α-synuclein和磷脂相互作用产生液晶光学信号独特的空间和时间特征,可快速、准确地识别在140个氨基酸发生单点突变的α-synuclein,平均准确率高达98.3±1.3%。与目前广泛使用的基因测序方法相比,该液晶传感器免标记、免复杂仪器、操作简单,并且成本低廉。


液晶传感器结合深度学习首次被提出用于鉴定野生型和突变型α-synuclein,结合该课题组前期开发的对α-synuclein高灵敏度、简易、快速检测技术(Chem. Commun. 2020, 56, 5441; Soft Matter 2021, 17, 4842.),以及开发手机app程序,未来有望应用于α-synuclein临床和家庭远程诊疗,从而为患者进一步实施针对性预防及治疗。

图3. 利用深度学习技术检测、区分野生型和突变型α-synuclein

论文信息:

Combination of liquid crystal and deep learning reveals distinct signatures of Parkinson's disease related wild-type α-synuclein and six pathogenic mutants

Zhongqiang Yang, Xiuxiu Yang, Xiaofang Zhao, Hansen Zhao, Fengwei Liu, Sichun Zhang, Claire Xi Zhang

清华大学化学系杨秀秀、首都医科大学赵晓芳、清华大学化学系赵瀚森博士生为共同第一作者,清华大学杨忠强副教授、首都医科大学张曦教授为通讯作者。清华大学张四纯教授、首都医科大学刘奉炜博士生参与了该工作。


该工作致谢国家自然科学基金、北京市教育局北京自然科学基金项目和科研重点项目以及清华大学化学系大学化学基础教学团队。


Chemistry – An Asian Journal

DOI: 10.1002/asia.202101251

点击左下角 “ 阅读原文 ” ,可直达阅读该论文原文。


Chemistry – An Asian Journal

《亚洲化学》是由多个亚洲化学学会组成的协会——亚洲化学编辑学会(ACES)的官方期刊并由Wiley–VCH出版。致力于成为化学研究领域的旗舰刊物,《亚洲化学》发表化学相关各个领域以及储能和转换、材料科学等跨学科研究,刊发包括论文全文、通讯和小综述等在内的各种内容。


更多精选文章

Chem. Eur. J. :利用离子性过渡金属错合物作为电子注入/传输层的钙钛矿发光电化学电池

Batteries & Supercaps:安全锂离子电池的小型监测方法和建模策略的研究进展

EurJIC:具有可逆热致变色性和铁磁性的准二维铜基钙钛矿


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/124785
 
571 次点击