28,6 millió dolláros kutatás tanítaná meg az AI-t a káros fehérjeváltozások felismerésére

2026. október 10. 01:12Forrás: PR Newswire

Akár 28,6 millió dolláros kutatási program indul a neurodegeneratív betegségekhez kapcsolódó káros fehérjeváltozások korai felismerésére. A tudósok mesterséges intelligenciát, nagyszabású kísérleteket és emberi sejteken végzett vizsgálatokat kapcsolnak össze.

A lényeg röviden

A kutatási program finanszírozása elérheti a 28,6 millió dollárt.
Halfmann laboratóriuma két év alatt körülbelül 4,1 millió dollár támogatást kap.
A csapat 50 000 fehérjén több mint 10 milliárd aggregációs mérést végez.
A kezdeti célpont a frontotemporális lebenyi degeneráció.
A projekt második szakasza lehetséges kezeléseket és korábbi felismerési módszereket vizsgálna.

Több mint 10 milliárd mérésből tanítanák az AI-t

A programban részt vesz Randal Halfmann, a Stowers Institute for Medical Research kutatója, akinek laboratóriuma körülbelül 4,1 millió dollárt kap két évre az Advanced Research Projects Agency for Health, vagyis az ARPA-H támogatásából. A teljes kutatási erőfeszítés finanszírozása elérheti a 28,6 millió dollárt.

Halfmann csapata több mint 10 milliárd, fehérje-aggregációval kapcsolatos mérést készít majd egyetlen élő sejt szintjén, 50 000 fehérjén. A vizsgálatok több mint 1 millió mintát érintenek, a fehérjéket pedig élesztősejtekben, az emberi sejtek öregedés során bekövetkező problémáit utánzó változatos körülmények között tesztelik.

A kutatók azt vizsgálják, hogy az aminosav-szekvenciák változásai miatt a fehérjék megőrzik-e normális állapotukat, vagy összetapadnak. Ezt a folyamatot aggregációnak nevezik, és több neurodegeneratív betegséggel is összefüggésbe hozzák.

A rendezetlen fehérjék jelentik a fő kihívást

Az AI már sok fehérje szerkezetének előrejelzésében segítette a kutatókat, ám a forrás szerint a fehérjék nagyjából egyharmadának nincs stabil szerkezete. Ezeket intrinsically disordered proteins, vagyis rendezetlen fehérjéknek nevezik. Többféle alakot vehetnek fel, és részt vehetnek a sejtkárosító fehérjecsomók kialakulásában.

Halfmann laboratóriuma a csapat által 2018-ban kifejlesztett Distributed Amphifluoric FRET, röviden DAmFRET technológiát használja. Ez a módszer az egyes élő sejtekben méri a fehérjék önszerveződését. A kutató szerint fehérje-aggregációt korábban nem mértek ilyen léptékben sejtszinten.

„Ha pontosabban meg tudnánk jósolni a betegségek valószínűségét és kezdetének életkorát, sokkal több ember kérhetne megelőző vagy korai stádiumú kezelést, illetve vehetne részt klinikai vizsgálatokban”, mondta Halfmann a Stowers Institute közleménye szerint.

A NATIVE-ID projekt emberi neuronokon is ellenőrizné a jóslatokat

Az új, több intézményt összefogó kutatási program neve NATIVE-ID. Vezetője az Innovative Genomics Institute a Kaliforniai Egyetemen, Berkeleyben. A projekt az ARPA-H BIOGAMI programjának része, amely különböző tudományos megközelítéseket kapcsol össze a káros fehérje-aggregáció megértésére és későbbi kontrolljára.

A kutatók kezdetben a frontotemporális lebenyi degenerációra, vagyis az FTLD-re összpontosítanak. Ez a neurodegeneratív betegség jelentős genetikai és biológiai jellemzőket oszt meg az ALS-szel. A hosszabb távú cél olyan módszerek kidolgozása, amelyek más, hibás fehérjehajtogatással összefüggő betegségekre is alkalmazhatók.

A program résztvevői különböző genetikai hátterű emberi neuronokat állítanak elő, neuronokban mérik a fehérjekölcsönhatásokat, mélytanulási modelleket fejlesztenek, laboratóriumi körülmények között vizsgálják a fehérjék szerkezetét, valamint számítógépes szimulációkat futtatnak.

A BIOGAMI két, egyenként 24 hónapos szakaszra épül. Az első szakasz alapvető adatkészleteket és modelleket hoz létre, a második pedig a lehetséges kezelések, valamint a fehérjeműködési zavarok korábbi felismerésének ellenőrzésére összpontosít. A projekt jelentősége a forrás szerint abban áll, hogy az AI előrejelzéseit nagyszabású kísérleti adatokkal és emberi neuronokon végzett vizsgálatokkal kapcsolja össze.