A new large-scale study has mapped the first molecular events that drive the formation of harmful amyloid protein aggregates found in Alzheimer’s disease, pointing towards a new potential therapeutic target.

Published today (11 June) in Science Advances, researchers from the Wellcome Sanger Institute, the Institute for Bioengineering of Catalonia (IBEC) and the Centre of Genomic Regulation (CRG) used large-scale genomics and machine learning to study over 140,000 versions of a peptide called Aβ42, which forms harmful plaques in the brain and is known to play a central role in Alzheimer’s disease.

 “The approach we used in this study opens the door to revealing the structures of other protein transition states, including those implicated in other neurodegenerative diseases. The scale at which we analysed the amyloid peptides was unprecedented – it’s something that hasn’t been done before and we have shown it’s a powerful new method to take forward”, said Professor Ben Lehner, co-senior author, Head of Generative and Synthetic Genomics at the Wellcome Sanger Institute and ICREA Research Professor at the CRG. “We hope this takes us one step closer to developing treatments against Alzheimer’s disease and other neurodegenerative conditions.”

This research is a significant step towards helping scientists find new ways to prevent Alzheimer’s disease, and the methods used in the study could be applied widely to other protein reactions.

Over 55 million people are impacted by dementia globally and it is estimated that 60 to 70 per cent of these cases are Alzheimer’s disease. Most current treatments for Alzheimer’s do not slow or stop the disease but help manage symptoms.

Amyloid beta (Aβ) is a peptide – a short chain of amino acids. Amyloid beta peptides have a tendency to clump and aggregate, forming elongated structures known as amyloid fibrils. Over time, these fibrils accumulate into plaques which are the pathological hallmarks of more than 50 neurodegenerative diseases, and most notably play a critical central role in Alzheimer’s disease.

For free-flowing Aβ peptides to convert into stable, structured fibrils, they require a certain amount of energy. The intermediate, short-lived state right before the peptides begin to form a fibril is known as the ‘transition state’ – it is extremely unlikely to form, which is why fibrils never form in most people.

Understanding these structures and reactions is essential to developing therapies that could treat and prevent neurodegenerative diseases. However, it is very difficult to study short-lived high energy  transition states using classical methods. As such, understanding how Aβ starts aggregating remains a major challenge in Alzheimer’s research.

Therefore, in this new study researchers from the Sanger Institute, Centre of Genomic Regulation and the Institute of Bioengineering of Catalonia sought to understand how changing the genetics of Aβ affects the rate of the aggregation reaction. Specifically, the researchers looked at Aβ42 – a type of Aβ peptide with 42 amino acids commonly found in those with Alzheimer’s.

 “Our method of study is crucial to understand the first events in the process of protein aggregation that leads to dementia, but it also offers a powerful framework to dissect the key initiating steps of many biological reactions, not just those we’ve studied so far. I look forward to seeing all the ways in which this strategy will be employed in the future.”, stated Dr Benedetta Bolognesi, co-senior author and Group Leader of the Protein Phase Transitions in Health and Disease group at IBEC.

The researchers used a combination of three techniques in order to handle large amounts of information about Aβ42 at the same time. The team used massively parallel DNA synthesis to study how changing amino acids in Aβ affects the amount of energy needed to form a fibril, and genetically engineered yeast cells to measure this rate of reaction.[3] They then used machine learning, a type of artificial intelligence,[4] to analyse the results and generate a complete energy landscape of amyloid beta aggregation reaction, showing the effect of all possible mutations in this protein on how fast fibrils are formed.

These techniques enabled the researchers to conduct the study at a large scale: “We measured the effect of more than 140,000 Aβ42 mutations and could apply neural networks, a type of machine learning, to extract, for each of them, the energy that drives the process of pathological aggregation.”, detailed Dr Mireia Seuma, co-first author formerly at IBEC and CRG, and now Senior Scientist at ALLOX.

This scale has not been achieved before and helps improve the quality and accuracy of the models developed in the study. “Mutations, and the interactions between them, made it possible for us to “draw a portrait” of the transition state of the AB42 aggregation reaction. This is the key conformation driving the aggregation reaction, and it is extremely challenging (if not impossible) to study by classical biophysical methods.”, adds Seuma.

The researchers discovered that only a few key interactions between specific parts of the amyloid protein had a strong influence on the speed of fibril formation. They found that the Aβ42 aggregation reaction begins at the end of the protein, known as the C-terminal region, one of the hydrophobic cores of the protein – the tightly packed water-repellent region of the peptide. As it is here where the peptide starts aggregating into a fibril, the researchers suggest that it is the interactions in the C-terminal region that need to be prevented to protect against and treat Alzheimer’s disease.

This is the first large-scale map of how mutations influence a protein’s behaviour in the notoriously difficult to study transition state. By identifying the interactions that drive the formation of amyloid fibrils, the team believes that preventing the formation of this transition state could pave the way for new therapeutic strategies, offering hope for future Alzheimer’s treatments. Additionally, the researchers emphasise the wide usability of their method, noting it has potential to be used across a range of proteins and diseases in future studies.

EN CASTELLANO

Crean un mapa del primer paso en la agregación de proteínas del alzhéimer que da pistas para futuras terapias

Un nuevo estudio a gran escala ha mapeado los primeros eventos moleculares que impulsan la formación de los dañinos agregados de proteínas amiloides presentes en la enfermedad de Alzheimer, apuntando hacia un potencial nuevo objetivo terapéutico.

Investigadores e investigadoras del Instituto Wellcome Sanger, el Instituto de Bioingeniería de Cataluña (IBEC) y el Centro de Regulación Genómica (CRG) han utilizado la genómica a gran escala y el aprendizaje automático (machine learning) para estudiar más de 140.000 versiones de un péptido llamado Aβ42, que forma placas dañinas en el cerebro y se sabe que desempeña un papel central en el alzhéimer.

"El enfoque que utilizamos en este estudio abre la puerta a revelar las estructuras de otros estados de transición de proteínas, incluidos los implicados en otras enfermedades neurodegenerativas. La escala a la que analizamos los péptidos amiloides no tenía precedentes: es algo que no se había hecho antes y hemos demostrado que es un nuevo método muy eficaz que hay que seguir desarrollando.” Comenta El profesor Ben Lehner, coautor principal del estudio, jefe de Genómica Generativa y Sintética en el Instituto Wellcome Sanger y profesor de investigación ICREA en el CRG. “Esperamos que esto nos acerque un paso más al desarrollo de tratamientos contra la enfermedad de Alzheimer y otras enfermedades neurodegenerativas", añade Lehner.

Esta investigación es un paso significativo para ayudar a los científicos a encontrar nuevas formas de prevenir la enfermedad de Alzheimer. Además, los métodos utilizados en el estudio podrían aplicarse ampliamente a otras reacciones de proteínas. 

Más de 55 millones de personas en todo el mundo padecen demencia y se estima que entre el 60 y el 70 por ciento de estos casos son enfermedad de Alzheimer. La mayoría de los tratamientos actuales para el alzhéimer no retrasan ni detienen la enfermedad, pero ayudan a controlar los síntomas.

La beta amiloide (Aβ) es un péptido, una cadena corta de aminoácidos. Los péptidos beta amiloides tienen tendencia a agruparse y agregarse, formando estructuras alargadas conocidas como fibrillas amiloides. Con el tiempo, estas fibrillas se acumulan en placas que son las características patológicas distintivas de más de 50 enfermedades neurodegenerativas y, sobre todo, desempeñan un papel central crítico en la enfermedad de Alzheimer.

Para que los péptidos Aβ que fluyen libremente se conviertan en fibrillas estables y estructuradas, requieren una cierta cantidad de energía. El estado intermedio, de corta vida, justo antes de que los péptidos comiencen a formar una fibrilla se conoce como "estado de transición": es extremadamente poco probable que se forme, razón por la cual las fibrillas nunca se forman en la mayoría de las personas.

Comprender estas estructuras y reacciones es esencial para desarrollar terapias que puedan tratar y prevenir enfermedades neurodegenerativas. Sin embargo, es muy difícil estudiar estados de transición de alta energía y corta duración utilizando métodos clásicos. Es por este motivo que sigue siendo un gran desafió en la investigación del alzhéimer comprender cómo Aβ comienza a agregarse.

Por ello, en este nuevo estudio investigadores e investigadoras del Instituto Sanger, el Centro de Regulación Genómica y el Instituto de Bioingeniería de Cataluña han tratado de entender cómo afecta el cambio en la genética del Aβ a la velocidad de la reacción de agregación. Específicamente, los investigadores estudiaron el Aβ42, un tipo de péptido Aβ con 42 aminoácidos que se encuentra comúnmente en las personas con alzhéimer.

“Nuestro método de estudio es crucial para comprender los primeros eventos en el proceso de agregación de proteínas que conduce a la demencia, pero también ofrece un marco poderoso para diseccionar los pasos iniciales clave de muchas reacciones biológicas, no solo las que hemos estudiado hasta ahora. Espero con interés ver todas las formas en que se aplicará esta estrategia en el futuro”, explica la Dra. Benedetta Bolognesi, coautora principaldel estudio y líder del grupo de Transiciones de Fase de Proteínas en la Salud y la Enfermedad en el IBEC.

Los investigadores utilizaron una combinación de tres técnicas para manejar grandes cantidades de información sobre Aβ42 al mismo tiempo. El equipo utilizó la síntesis masiva en paralelo de ADN para estudiar cómo los aminoácidos cambiantes en el Aβ afectan a la cantidad de energía necesaria para formar una fibrilla, y células de levadura modificadas genéticamente para medir esta tasa de reacción.[1] A continuación, utilizaron el aprendizaje automático, un tipo de inteligencia artificial, para analizar los resultados y generar un panorama energético completo de la reacción de agregación del beta amiloide, mostrando el efecto de todas las posibles mutaciones de esta proteína sobre la velocidad de formación de las fibrillas.

Estas técnicas permitieron al equipo de investigación realizar el estudio a gran escala: "Medimos el efecto de más de 140.000 mutaciones de Aβ42 y pudimos aplicar un tipo de aprendizaje automático conocido como redes neuronales para extraer la energía que impulsa el proceso de agregación patológica para cada una de ellas.”, detalla la Dra. Mireia Seuma, coautora del estudio, anteriormente en el IBEC y en el CRG, y ahora científica sénior de ALLOX.

Esta escala, que no se había alcanzado antes, ayuda a mejorar la calidad y precisión de los modelos desarrollados en el estudio. “Las mutaciones, y las interacciones entre ellas, nos permitieron "dibujar un retrato" del estado de transición de la reacción de agregación del Aβ42. Esta es la conformación clave que impulsa la reacción de agregación, y es extremadamente complejo (si no imposible) de estudiar con métodos biofísicos clásicos", añade Seuma.

Los investigadores descubrieron que solo unas pocas interacciones clave entre partes específicas de la proteína amiloide tenían una fuerte influencia en la velocidad de formación de las fibrillas. Descubrieron que la reacción de agregación del Aβ42 comienza al final de la proteína, conocida como región C-terminal, uno de los núcleos hidrofóbicos de la proteína, la región repelente al agua del péptido. Como es aquí donde el péptido comienza a agregarse en una fibrilla, los investigadores sugieren que son precisamente las interacciones en la región C-terminal las que deben prevenirse para protegerse y tratar la enfermedad de Alzheimer.

Este es el primer mapa a gran escala que muestra cómo las mutaciones influyen en el comportamiento de una proteína en su estado de transición, que es muy difícil de estudiar. Al identificar las interacciones que impulsan la formación de fibrillas de amiloide, el equipo cree que prevenir la formación de este estado de transición podría allanar el camino para nuevas estrategias terapéuticas, ofreciendo esperanza para futuros tratamientos para el Alzheimer. Además, los investigadores hacen hincapié en la amplia usabilidad de su método, señalando que tiene potencial para ser utilizado en una amplia gama de proteínas y enfermedades en futuros estudios.

EN CATALÀ

Creen un mapa del primer pas en l'agregació de proteïnes de l'alzheimer que dona pistes per a futures teràpies

Un nou estudi a gran escala ha mapat els primers esdeveniments moleculars que impulsen la formació dels nocius agregats de proteïnes amiloides presents en la malaltia d'Alzheimer, apuntant cap a un potencial nou objectiu terapèutic.

Investigadors i investigadores de l'Institut Wellcome Sanger, l'Institut de Bioenginyeria de Catalunya (IBEC) i el Centre de Regulació Genòmica (CRG) han utilitzat la genòmica a gran escala i l'aprenentatge automàtic (machine learning) per a estudiar més de 140.000 versions d'un pèptid anomenat Aβ42, que forma plaques nocives en el cervell i se sap que exerceix un paper central en l'alzheimer.

"L'enfocament que fem servir en aquest estudi obre la porta a revelar les estructures d'altres estats de transició de proteïnes, inclosos els implicats en altres malalties neurodegeneratives. L'escala a la qual analitzem els pèptids amiloides no tenia precedents: és una cosa que no s'havia fet abans i hem demostrat que és un nou mètode molt eficaç que cal continuar desenvolupant.” Comenta El professor Ben Lehner, coautor principal de l'estudi, cap de Genòmica Generativa i Sintètica en l'Institut Wellcome Sanger i professor de recerca ICREA en el CRG. “Esperem que això ens acosti un pas més al desenvolupament de tractaments contra la malaltia d'Alzheimer i altres malalties neurodegeneratives", afegeix Lehner.

Aquesta recerca és un pas significatiu per a ajudar els científics a trobar noves maneres de prevenir la malaltia d'Alzheimer. A més, els mètodes utilitzats en l'estudi podrien aplicar-se àmpliament a altres reaccions de proteïnes.

Més de 55 milions de persones a tot el món pateixen demència i s'estima que entre el 60% i el 70 % d'aquests casos són malaltia d'Alzheimer. La majoria dels tractaments actuals per a l'alzheimer no retarden ni detenen la malaltia, però ajuden a controlar els símptomes.

La beta amiloide (Aβ) és un pèptid, una cadena curta d'aminoàcids. Els pèptids beta amiloides tenen tendència a agrupar-se i agregar-se, formant estructures allargades conegudes com a fibril·les amiloides. Amb el temps, aquestes fibril·les s'acumulen en plaques que són les característiques patològiques distintives de més de 50 malalties neurodegeneratives i, sobretot, exerceixen un paper central crític en la malaltia d'Alzheimer.

Perquè els pèptids Aβ que flueixen lliurement es converteixin en fibril·les estables i estructurades, requereixen una certa quantitat d'energia. L'estat intermedi, de curta vida, just abans que els pèptids comencin a formar una fibril·la es coneix com a "estat de transició": és extremadament poc probable que es formi, raó per la qual les fibril·les mai es formen en la majoria de les persones.

Comprendre aquestes estructures i reaccions és essencial per a desenvolupar teràpies que puguin tractar i prevenir malalties neurodegeneratives. No obstant això, és molt difícil estudiar estats de transició d'alta energia i curta durada utilitzant mètodes clàssics. És per aquest motiu que continua sent un gran desafiament en la recerca de l'alzheimer comprendre com Aβ comença a agregar-se.

Per això, en aquest nou estudi, investigadors i investigadores de l'Institut Sanger, el Centre de Regulació Genòmica i l'Institut de Bioenginyeria de Catalunya han tractat d'entendre com afecta el canvi en la genètica del Aβ a la velocitat de la reacció d'agregació. Específicament, els investigadors van estudiar el Aβ42, un tipus de pèptid Aβ amb 42 aminoàcids que es troba comunament en les persones amb alzheimer.

“El nostre mètode d'estudi és crucial per a comprendre els primers esdeveniments en el procés d'agregació de proteïnes que condueix a la demència, però també ofereix un marc poderós per a disseccionar els passos inicials clau de moltes reaccions biològiques, no només les que hem estudiat fins ara. Espero amb interès veure totes les formes en què s'aplicarà aquesta estratègia en el futur”, explica la Dra. Benedetta Bolognesi, coautora principal de l'estudi i líder del grup de Transicions de Fase de Proteïnes en la Salut i la Malaltia a l'IBEC.

Els investigadors van utilitzar una combinació de tres tècniques per a manejar grans quantitats d'informació sobre Aβ42 al mateix temps. L'equip va fer servir la síntesi massiva en paral·lel d'ADN per a estudiar com els aminoàcids canviants en el Aβ afecten la quantitat d'energia necessària per a formar una fibril·la, i cèl·lules de llevat modificades genèticament per a mesurar aquesta taxa de reacció. A continuació, van usar l'aprenentatge automàtic, un tipus d'intel·ligència artificial, per a analitzar els resultats i generar un panorama energètic complet de la reacció d'agregació de la beta amiloide, mostrant l'efecte de totes les possibles mutacions d'aquesta proteïna sobre la velocitat de formació de les fibril·les.

Aquestes tècniques van permetre a l'equip de recerca realitzar l'estudi a gran escala: "Vam mesurar l'efecte de més de 140.000 mutacions de Aβ42 i vam poder aplicar un tipus d'aprenentatge automàtic conegut com a xarxes neuronals per a extreure l'energia que impulsa el procés d'agregació patològica per a cadascuna d'elles.”, detalla la Dra. Mireia Seuma, coautora de l'estudi, anteriorment en l'IBEC i en el CRG, i ara científica sènior de ALLOX. Aquesta escala, que no s'havia aconseguit abans, ajuda a millorar la qualitat i precisió dels models desenvolupats en l'estudi. “Les mutacions, i les interaccions entre elles, ens van permetre "dibuixar un retrat" de l'estat de transició de la reacció d'agregació del Aβ42. Aquesta és la conformació clau que impulsa la reacció d'agregació, i és extremadament complex (si no impossible) d'estudiar amb mètodes biofísics clàssics", afegeix Seuma.

Els investigadors van descobrir que només unes poques interaccions clau entre parts específiques de la proteïna amiloide tenien una forta influència en la velocitat de formació de les fibril·les. Van descobrir que la reacció d'agregació del Aβ42 comença al final de la proteïna, coneguda com a regió C-terminal, un dels nuclis hidrofòbics de la proteïna, la regió repel·lent a l'aigua del pèptid. Com és aquí on el pèptid comença a agregar-se en una fibril·la, els investigadors suggereixen que són precisament les interaccions a la regió C-terminal les que han de prevenir-se per a protegir-se i tractar la malaltia d'Alzheimer.

Aquest és el primer mapa a gran escala que mostra com les mutacions influeixen en el comportament d'una proteïna en el seu estat de transició, que és molt difícil d'estudiar. En identificar les interaccions que impulsen la formació de fibril·les d'amiloide, l'equip creu que prevenir la formació d'aquest estat de transició podria aplanar el camí per a noves estratègies terapèutiques, oferint esperança per a futurs tractaments per a l'alzheimer. A més, els investigadors posen l'accent en l'àmplia usabilitat del seu mètode, assenyalant que té potencial per a ser utilitzat en una àmplia gamma de proteïnes i malalties en futurs estudis.