Früher Alzheimer-Nachweis mit „Fingerabdruck“ von Peptiden

Pro­teine und Pep­tide beziehen ihre biol­o­gis­chen Funk­tio­nen aus ihrer bio­chemis­chen Struk­tur. Vieles deutet darauf hin, dass selb­st kle­in­ste struk­turelle oder räum­liche Verän­derun­gen die Entwick­lung von Krankheit­en fördern kön­nen. Zahlre­iche neu­rode­gen­er­a­tive Krankheit­en sind auf Fehlfal­tun­gen von Pep­ti­den und Pro­teinen zurück­zuführen, die durch solche Änderun­gen aus­gelöst wer­den. Bei der Alzheimer-Krankheit spie­len Amyloid-beta-(Aβ42)-Peptide eine wesentliche Rolle, die sich in einem einzi­gen Aminosäur­erest unter­schei­den und vererb­bare Mutan­ten der Alzheimer-Krankheit darstellen. 

Bis­lang fehlte eine ein­fache und genaue Meth­ode zur Vorher­sage von Muta­tio­nen in Pro­teinen. Am Insti­tut für Funk­tionelle Gren­zflächen des KIT hat die Forschungs­gruppe von Pro­fes­sor Jörg Lahann nun ein Ver­fahren entwick­elt, um Fehlfal­tun­gen über die Trock­nungsstruk­tur von Pro­tein- und Pep­tid-Lösun­gen nachzuweisen. „Die Fleck­en­muster waren nicht nur charak­ter­is­tisch und repro­duzier­bar, son­dern führten auch zu ein­er Klas­si­fizierung von acht Muta­tio­nen mit ein­er Vorher­sage­ge­nauigkeit von über 99 Prozent“, beschreibt Lahann, Autor der Studie, die Ergeb­nisse. Die Gruppe hat gezeigt, dass entschei­dende Infor­ma­tio­nen über die primären und sekundären Pep­tid­struk­turen aus den Fleck­en abgeleit­et wer­den kön­nen, die ihre trock­nen­den Tröpfchen auf ein­er fes­ten Ober­fläche hinterlassen.

Dabei wer­den die Pro­tein- und Pep­tid-Lösun­gen mit einem Pipet­tier­ro­bot­er präzise auf die Mod­el­lober­flächen aufge­bracht, um kon­trol­lierte und repro­duzier­bare Ergeb­nisse zu erhal­ten. Diese Ober­flächen wur­den zuvor mit ein­er wasser­ab­weisenden Poly­merbeschich­tung verse­hen. Um die kom­plex­en Fleck­en­muster der getrock­neten Tröpfchen zu analysieren, haben die Forschen­den Auf­nah­men per Polar­i­sa­tion­s­mikroskopie erstellt. Anschließend wur­den diese Bilder mit neu­ronalen Deep Learn­ing-Net­zw­erken analysiert. 

Neu­ronale Net­zw­erke erken­nen kle­in­ste Unter­schiede in den Trock­nungsmustern von Pep­tid-Lösun­gen (links: Amyloid-beta-(Aβ42)-Peptid, rechts: Mutation).

„Da die Struk­turen sehr ähn­lich und mit dem bloßen Auge nur schw­er zu unter­schei­den sind, war es dur­chaus über­raschend, dass die neu­ronalen Net­zw­erke so effek­tiv waren”, beschreibt Jörg Lahann die Resul­tate. „Die Fleck­en­muster von Amy­loid-beta-Pep­ti­den dienen als genaue Fin­ger­ab­drücke, die die struk­turelle und räum­liche Iden­tität eines Pep­tides wider­spiegeln.“ Diese Tech­nolo­gie ermögliche es, einzelne Alzheimer-Vari­anten mit max­i­maler Auflö­sung zu iden­ti­fizieren, so Lahann, und das inner­halb weniger Minuten.

Die Ergeb­nisse leg­en nahe, dass eine so ein­fache Meth­ode wie das Trock­nen eines Tröpfchens ein­er Pep­tid-Lösung auf ein­er fes­ten Ober­fläche als Indika­tor für winzige, aber struk­turelle Unter­schiede in den Primär- und Sekundärstruk­turen von Pep­ti­den dienen kann. „Skalier­bare und genaue Nach­weisver­fahren für die Schich­tung von räum­lichen und struk­turellen Pro­tein­verän­derun­gen sind drin­gend erforder­lich, um die pathol­o­gis­chen Krankheit­en wie die Alzheimer- und Parkin­son-Krankheit zu entschlüs­seln“, sagt der Wis­senschaftler. Zudem han­delt es sich um eine ver­gle­ich­sweise sim­ple Meth­ode, die vor allem keine aufwändi­ge Probe­nauf­bere­itung erfordert und damit eine ein­fache und patien­ten­na­he Diag­nos­tik ermöglicht. Des Weit­eren bietet die Meth­ode auch für andere Anwen­dungs­felder in der medi­zinis­chen Diag­nos­tik und in der moleku­laren Aufk­lärung von Krankheit­en großes Potenzial.