意大利技术研究院（IIT）首席研究员Gian Gaetano Tartaglia领导的一个研究小组开发了一种机器学习算法，用于研究细胞内蛋白质的行为，并预测其引发神经退行性疾病（如肌萎缩侧索硬化症、帕金森病和阿尔茨海默病）的能力。这种名为catGRANULE 2.0 ROBOT的算法有助于识别分子靶标，为进一步的研究和治疗提供方向。相关研究成果已在《基因组生物学》杂志上发表。
神经退行性疾病是一个重大的健康挑战，具有重要的社会经济影响：在意大利，估计有100万人受到这些疾病的影响，每位患者的平均医疗费用约为7万欧元。Tartaglia领导的团队正在研究与这些疾病发病有关的一些蛋白质的化学物理行为。
在细胞环境中，这些蛋白质能够形成生物分子凝聚物，即高度缠结的团块，在某些条件下会变得不溶于水。在未受影响的生物体中，这一过程对其他蛋白质的生产管理和应对细胞应激反应是有功能性的，但凝聚机制的改变可能导致病理状态的出现：蛋白质团块变成固体结构，积累在细胞中并导致细胞死亡。例如，帕金森病中的路易小体、与肌萎缩侧索硬化症相关的运动神经元纤维积聚以及与阿尔茨海默病相关的淀粉样斑块。
从健康状态到疾病状态的转变通常是由蛋白质结构的变化引起的：新的结构可能将生物分子凝聚物转变为固体聚集物。在Tartaglia的指导下，IIT的博士后Michele Monti和Jonathan Fiorentino开发了名为catGRANULE 2.0 ROBOT（核糖核蛋白在生物凝聚物细胞器类型中的组织）的算法。这个机器学习工具探索了蛋白质结构突变与凝聚物形成之间的联系；该软件可以追踪潜在有害的蛋白质，识别出进一步研究和治疗的分子靶标。
“识别与神经退行性疾病相关的生化信号对于早期干预和减缓认知衰退至关重要，”研究协调员Gian Gaetano Tartaglia解释说，“我们已经训练我们的系统来识别凝聚物的形成，这在许多情况下是形成有毒聚集物的初始步骤。蛋白质-RNA相互作用对此事件有关键贡献。”
导致生物分子凝聚物形成的物理化学机制是液-液相分离，一些蛋白质具有适合促进这一过程的三维结构。RNA也调节这些团块的形成：它与蛋白质的相互作用促进或抑制相分离。
研究小组专注于RNA-蛋白质相互作用，并训练catGRANULE 2.0 ROBOT使用这一参数来确定生物分子凝聚物是否有可能发生。机器学习算法研究蛋白质的结构，分析其氨基酸序列，并考虑其对RNA的亲和力。通过这种分析，研究人员可以确定蛋白质在经历相分离时是否可能生成有毒凝聚物。利用ROBOT方法，研究人员研究突变对液-液分离的影响：如果结构变化改变了蛋白质-RNA相互作用，可能会导致病理后果，因为它改变了凝聚物的形成。
这项研究是在IVBM-4PAP项目框架内进行的，该项目由意大利技术研究院协调，旨在开发活体布里渊显微镜（IVBM），这是一种用于识别神经退行性疾病治疗新靶标的工具。IVBM将测量活细胞内蛋白质和凝聚物的性质，无需外部干预。catGRANULE 2.0 ROBOT是研究联盟开展项目的基础计算工具：它提供关于哪些蛋白质和突变可能相关的理论预测。研究人员将使用显微镜验证计算结果，观察细胞内的蛋白质实时行为及其与RNA的相互作用。
通过将算法的计算工作与显微镜实验活动相结合，研究人员拥有一个工具来识别早期病理信号，并开发减缓神经退行性疾病进展的新治疗策略。这种策略可能有助于减少这些疾病的长期影响。
(全文结束)
