Zaawansowana mikroskopia ujawnia wczesne oznaki chorób mózgu
Nowe generacje mikroskopii o wysokiej rozdzielczości umożliwiają badaczom obserwację zmian w neuronach w czasie rzeczywistym, co może przyczynić się do wcześniejszej diagnozy chorób neurologicznych.
Nowe generacje mikroskopii o wysokiej rozdzielczości dostarczają badaczom coraz bardziej szczegółowych informacji na temat tego, co dzieje się wewnątrz neuronów podczas chorób neurologicznych, takich jak SLA, choroba Parkinsona i Alzheimer. Naukowcy mogą teraz obserwować struktury wewnątrz żywych komórek w czasie rzeczywistym oraz łączyć duże zbiory obrazów mikroskopowych z sztuczną inteligencją. Celem jest wykrycie nieprawidłowości komórkowych, zanim neurony ulegną nieodwracalnym uszkodzeniom lub obumrą.
Badacze zaprezentowali kilka z tych osiągnięć na 151. Dorocznym Zjeździe Amerykańskiego Towarzystwa Neurologicznego (ANA 2026). Chociaż technologie te pozostają głównie narzędziami badawczymi, mogą poprawić zrozumienie mechanizmów chorobowych i w końcu przyczynić się do wcześniejszej diagnozy oraz bardziej ukierunkowanych terapii. „Choroby neurologiczne wynikają z zmian w komórkach i niezwykle złożonych strukturach wewnątrz nich” – powiedział prezydent ANA, Dimitri Krainc z Northwestern University Feinberg School of Medicine. Według Krainca wiele z tych zmian nie mogło być wizualizowanych aż do niedawna.
Głębsze spojrzenie na neurony
Jednym z podejść jest mikroskopia superrozdzielcza, która umożliwia naukowcom badanie struktur wykraczających poza ograniczenia rozdzielczości konwencjonalnej mikroskopii świetlnej. Craig Blackstone z Harvard Medical School i Mass General Brigham Neuroscience Institute wykorzystuje te techniki do badania siateczki endoplazmatycznej (ER), sieci błon wewnątrz komórek, która pełni kilka istotnych funkcji. Zaawansowana mikroskopia ujawniła, że struktury wcześniej uważane za stosunkowo statyczne arkusze mogą w rzeczywistości tworzyć dynamiczne sieci bardzo małych rur. Zrozumienie, jak ta architektura się zmienia, może być istotne w przypadku dziedzicznych zaburzeń neurologicznych, takich jak dziedziczne paraplegie spastyczne, z niektórymi z nich związanymi z mutacjami w białkach zaangażowanych w kształtowanie ER.
Ten poziom szczegółowości jest szczególnie istotny dla neuronów. Te wysoko wyspecjalizowane komórki mogą rozciągać się na długie odległości i muszą utrzymywać swoją wewnętrzną organizację przez całe życie człowieka. Mikroskopia komórkowa na żywo dodaje kolejny wymiar, pokazując, jak struktury zachowują się w czasie. Naukowcy mogą śledzić mitochondria, gdy dostarczają energię do różnych części neuronu, oraz obserwować autofagię, proces komórkowy używany do usuwania uszkodzonych komponentów.
Erika Holzbaur z Uniwersytetu Pensylwanii wykorzystała obrazowanie na żywo do badania funkcji mitochondriów i zdrowia neuronów. Jej zespół odkrył związek między zespołem łamliwego X a dysfunkcją mitochondriów w badaniach z udziałem neuronów myszy i ludzi. Bez FMRP, białka brakującego u osób z zespołem łamliwego X, mitochondria nie funkcjonowały prawidłowo. Szerszym celem jest identyfikacja stresu komórkowego przed degeneracją neuronów. W momencie, gdy neurony umierają w chorobach takich jak SLA, Parkinson czy Huntington, możliwości zachowania tych komórek mogą już być utracone.
AI uczy się rozpoznawać komórki SLA
Łączenie mikroskopii z AI może również ujawnić wzorce chorobowe, które są trudne do rozpoznania dla badaczy ręcznie. Steven Finkbeiner i jego zespół wykorzystują mikroskopię robotyczną do monitorowania tysięcy neuronów ruchowych wytworzonych w laboratorium z komórek krwi lub skóry pacjentów. System wielokrotnie rejestruje, jak wyglądają, funkcjonują i zmieniają się poszczególne komórki. Algorytmy AI mogą następnie analizować duże zbiory obrazów. Według Finkbeiner, model AI wytrenowany wyłącznie na wyglądzie i zachowaniu neuronów ruchowych pochodzących od pacjentów był w stanie odróżnić neurony SLA od zdrowych komórek.
Model oddzielił również neurony SLA na różne podtypy. Jeden z podtypów był związany z nieprawidłowościami w transporcie białek do i z jądra komórkowego, co potencjalnie dostarcza informacji o mechanizmach biologicznych leżących u podstaw choroby. Jest to szczególnie istotne, ponieważ SLA obecnie nie ma jednego definitywnego testu diagnostycznego. Diagnoza opiera się na ocenie klinicznej, rozpoznawaniu wzorców objawów i wykluczaniu innych możliwych schorzeń. Proces ten może zatem trwać miesiące.
Mikroskopia robotyczna połączona z AI może w końcu dostarczyć dodatkowego, bardziej obiektywnego źródła informacji, gdy diagnoza jest niepewna. Jednak prace te pozostają na wczesnym etapie badań. Umiejętność odróżnienia neuronów hodowanych w laboratorium nie oznacza jeszcze, że mikroskopia AI może diagnozować SLA w praktyce klinicznej. Ta sama grupa badawcza zastosowała AI do tkanki mózgowej pośmiertnej osób z chorobą Alzheimera. Algorytmy automatycznie identyfikowały i kwantyfikowały cechy patologiczne, które korelowały z ciężkością demencji, co potencjalnie umożliwia badaczom bardziej efektywne analizowanie dużych zbiorów próbek tkankowych.
Rekonstrukcja połączeń neuronowych w 3D
Inne innowacje mikroskopowe rozszerzają ilość informacji strukturalnych, które badacze mogą uzyskać z tkanki mózgowej. Wcześniej informowaliśmy o technice mikroskopii o wysokiej rozdzielczości opracowanej przez badaczy z Uniwersytetu Kalifornijskiego w Berkeley. Metoda, zwana LICONN, umożliwia wizualizację połączeń neuronowych w rozdzielczości nanoskalowej, zachowując jednocześnie informacje molekularne o poszczególnych komórkach. Badacze zademonstrowali tę technikę, analizując tkankę mózgową myszy. Zamiast polegać wyłącznie na mikroskopii elektronowej do rekonstrukcji niezwykle małych struktur neuronalnych, LICONN wykorzystuje zaawansowaną mikroskopię świetlną w połączeniu z mikroskopią ekspansyjną. Tkanka jest fizycznie powiększana, aby struktury, które normalnie byłyby zbyt blisko siebie, mogły być wyraźniej rozróżniane.
Badacze zrekonstruowali około 1,5 miliona synaps i byli w stanie zmapować połączenia neuronowe w trzech wymiarach. Ponieważ etykiety molekularne mogą być zachowane, technika ta może dostarczyć informacji nie tylko o tym, gdzie znajdują się połączenia, ale także o biologicznej tożsamości komórek i białek zaangażowanych. Technologia ta może pomóc naukowcom zbadać, jak zmiany w sieciach neuronowych odnoszą się do funkcji mózgu i choroby. Podobnie jak w przypadku podejść mikroskopowych zaprezentowanych na ANA 2026, jej obecne znaczenie leży głównie w badaniach, a nie w diagnozie klinicznej.
Wczesna interwencja
Wszystkie te osiągnięcia pokazują, jak mikroskopia wykracza poza produkcję coraz bardziej szczegółowych statycznych obrazów. Naukowcy mogą teraz rekonstrukować sieci neuronowe w 3D, obserwować ruch organelli wewnątrz żywych neuronów i używać AI do przeszukiwania milionów cech obrazów w poszukiwaniu wzorców związanych z chorobą. Potencjalna wartość kliniczna leży w czasie. Wiele chorób neurologicznych diagnozowanych jest po tym, jak już wystąpiło znaczne uszkodzenie komórek. Jeśli mikroskopia może ujawnić nieprawidłowości molekularne lub strukturalne na wcześniejszym etapie, badacze mogą być w stanie zidentyfikować nowe biomarkery i cele terapeutyczne, zanim neurony zostaną nieodwracalnie utracone.
Wciąż istnieje znaczna luka między obserwowaniem wczesnych procesów chorobowych w komórkach lub tkankach laboratoryjnych a ich wiarygodnym wykrywaniem u pacjentów. Walidacja kliniczna będzie zatem niezbędna. Na razie szybko poprawiająca się rozdzielczość, automatyzacja i możliwości analityczne mikroskopii dostarczają badaczom znacznie bardziej szczegółowego obrazu tego, gdzie zaczynają się choroby neurologiczne.
Źródło: https://www.icthealth.org/news/advanced-microscopy-reveals-early-signs-of-brain-disease
Źródło: www.icthealth.org