我们已经更新我们的隐私政策使它更加清晰我们如何使用您的个人资料。

我们使用cookie来提供更好的体验。你可以阅读我们的饼干的政策在这里。

广告

新颖的生物传感器开发检测神经退行性疾病的蛋白质

人类大脑的代表。
信贷:拉曼Oza / Pixabay

想要一个免费的PDF版本的这个新闻吗?

完成下面的表格,我们将电子邮件您的PDF版本“发展新型生物传感器检测神经退行性疾病的蛋白质”

听与
喋喋不休地说
0:00
注册免费听这篇文章
谢谢你!听这篇文章使用上面的球员。

想免费听这篇文章吗?

完成下面的表格来解锁访问所有音频文章。

阅读时间:

通过结合多种先进技术集成到一个单一系统中,欧洲研究人员做了一个重要的一步(ndd)在诊断神经退行性疾病如帕金森病(PD)和阿尔茨海默病(AD)。这个新设备被称为ImmunoSEIRA传感器,若技术,使错误折叠蛋白质的探测和识别与ndd相关生物标志物。这项研究发表在科学的进步的力量,也利用人工智能(AI)采用神经网络来量化疾病阶段和发展。这个重大的技术进步的前景不仅ndd的早期检测和监控,而且对评估治疗方案在疾病的发展过程的不同阶段。


想要更多的最新消息?

订阅188金宝搏备用的日常通讯,提供每天打破科学消息直接发送到您的收件箱中。

免费订阅

治疗神经退行性疾病面临重大挑战,由于缺乏有效的早期诊断方法检测和监测疾病进展。蛋白质错误折叠,一种常见的神经退化机制,已被确认为疾病进展的关键事件。是假设健康首先蛋白质错误折叠成低聚物在早期阶段和纤维在疾病的后期。这些错误折叠蛋白质聚集在大脑和biofluids流传,也积累存款已故NDD患者的大脑中。但发展的工具来检测这些疾病的迹象biomarkers-has直到现在仍然难以捉摸。准确检测面临多重障碍,包括电流限制技术准确地分离和量化不同的蛋白质总量。


将多个先进技术组合成一个传感器


创建这个先进NDD生物传感器,研究人员教授Hatice Altug Bionanophotonic系统实验室(BIOS)和希拉Lashuel教授的实验室分子神经生物学和Neuroproteomics (LMNN)结合多个科学领域:蛋白质生物化学、optofluidics,纳米技术,人工智能(AI)。“与目前生化方法,依赖于测量这些分子的水平,我们的方法是专注于检测异常结构。这种技术也可以让我们区分两种主要的水平异常形式涉及ndd的开发和进展,低聚物和纤维,”Lashuel说


ImmunoSEIRA传感器采用表面增强红外吸收(SEIRA)光谱技术。这种方法允许科学家探测和分析形式的特定疾病有关的分子,称为生物标记,与神经退行性疾病有关。传感器配备了一个独特的免疫测定,它就像一个分子侦探,识别和捕捉这些生物标志物与精度高。


”在我们的论文中,我们提出了技术解决方案,集nanoplasmonics、洁净室奈米制造、微流体、免疫测定、AI,和先进的生化方法,”说,博士生和论文的主要作者Deepthy Kavungal。“我们的展品ImmunoSEIRA传感器结构敏感性和监控的能力互补与高特异性生物标志物的面板小样本在复杂biomatrices卷。”


结合纳米技术和人工智能的力量


金奈米棒ImmunoSEIRA传感器特性数组与特定蛋白抗体检测。它使特定的实时捕捉和结构分析的目标生物标志物从非常小的样本。神经网络,人工智能算法的一个子集,然后用来识别特定的错误折叠蛋白质的存在形式,低聚物的纤丝的总量,实现空前的检测精度随着疾病的进展。Lashuel认为,这是一个很大的进步在疾病检测,并补充说,“由于疾病过程紧密相关的蛋白质结构的变化,我们相信结构生物标志物,尤其是当结合其他生化和神经退行性变的生物标记物,可以为更精确的诊断和监测疾病进展。”


欧洲职业足球联盟研究小组更进一步表明ImmunoSEIRA传感器可用于实际临床设置,即在biofluids。他们能够准确地识别异常纤维的具体特征,神经退行性疾病的一个关键指标,即使在复杂的液体像人类脑脊液(CSF)。Altug教授解释说,这种新技术的下一步”是继续扩大其功能,评价其诊断帕金森病的潜力和越来越多的疾病引起的蛋白质错误折叠和聚集。”


这项研究的结果标志着若领域的重大进步,红外光谱、纳米光子学,和神经退行性疾病的生物标记物。的部署AI-aided ImmunoSEIRA传感器是一个欢迎进步早期NDD检测、疾病监测、药物疗效评估,解决关键的需要及时干预和治疗神经退行性疾病。

参考:Kavungal D, Magalhaes P, Kumar圣Kolla R, Lashuel哈,Altug h .人工intelligence-coupled电浆红外传感器检测结构蛋白在神经退行性疾病生物标志物。Sci副词。2023;9 (28):eadg9644。doi:10.1126 / sciadv.adg9644


本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。


广告
Baidu