Las sondas moleculares pueden rastrear el desarrollo de una proteína que se comporta mal en las enfermedades neurodegenerativas

Un equipo de investigadores del IIT-Istituto Italiano di Tecnologia (Instituto Italiano de Tecnología) diseñó en silico «sondas moleculares» capaces de rastrear el desarrollo de una proteína que se comporta mal en diversas enfermedades neurodegenerativas, como la esclerosis lateral amiotrófica (ELA) y la demencia frontotemporal (FTD). Las sondas se pueden utilizar para estudiar el comportamiento de una proteína diana en una célula y se han probado en colaboración con la Universidad Sapienza de Roma, el Centro de Regulación Genómica de Barcelona, ​​la Universidad de Edimburgo y el King’s College de Londres. El estudio fue publicado en Comunicaciones de la naturaleza.

Creadas por el grupo de Biología de Sistemas de ARN en IIT Genoa, las sondas consisten en moléculas de ARN diseñadas por computadora que se unen a una proteína relacionada con la neurodegeneración llamada TDP-43. Esta proteína está presente en muchos casos de esclerosis lateral amiotrófica (ELA) y demencia frontotemporal (FTD), donde se agrega, creando parches de proteínas insolubles en las células nerviosas, alterando su metabolismo y función.

El equipo de investigación se inspiró en las interacciones naturales de la proteína con las moléculas de ARN para diseñar sondas moleculares que se denominan «aptámeros», literalmente moléculas hechas para adaptarse a un solo objetivo. Su objetivo principal era obtener un nuevo enfoque para seguir la agregación de proteínas asociadas con la neurodegeneración en los primeros pasos del proceso.

«Usando nuestros algoritmos patentados, diseñamos aptámeros de ARN específicos para TDP-43 y los usamos junto con técnicas de microscopía avanzada para seguir la transición de la proteína a sus formas agregadas», explica Gian Gaetano Tartaglia, investigador principal del Laboratorio de Biología de sistema de ARN. «Podemos identificar agregados de TDP-43 de hasta 10 nanómetros de tamaño, que es, según nuestro conocimiento, la mejor resolución lograda hasta ahora en la obtención de imágenes de agregados de proteínas».

Estos aptámeros pueden utilizarse para estudiar a nivel molecular el fenómeno de agregación anormal de proteínas típico de varias enfermedades neurodegenerativas y, por tanto, allanarían el camino para el desarrollo de herramientas para el diagnóstico precoz de estas enfermedades.

Hemos demostrado que los aptámeros de ARN también se pueden utilizar para rastrear TDP-43 en células vivas y en tiempo real, detectando todas las formas de la proteína, desde el estado fisiológicamente soluble hasta el insoluble, pasando por agregados de tamaños intermedios indetectables por enfoques estándar. «


Elsa Zako, investigadora principal del proyecto

El estudio fue realizado por los investigadores del IIT Elsa Zako, Alexandros Armaos y Gian Gaetano Tartaglia (también de la Universidad Sapienza de Roma), con la participación de grupos liderados por Matthew Horrocks de la Universidad de Edimburgo y Annalisa Pastore del King’s College de Londres.

fuente:

Instituto Italiano de Tecnología – IIT

Referencia de la revista:

Para cual., et al. (2022) Probando la condensación de TDP-43 utilizando un aptámero diseñado in silico. Comunicaciones de la naturaleza. doi.org/10.1038/s41467-022-30944-x.

TOP DIRECTORIO / Fuente

Redacción

Deja una respuesta

Tu dirección de correo electrónico no será publicada.

Entrada siguiente

La guía de marketing de búsqueda para la televisión conectada: mejores prácticas para omitir

Vie Sep 9 , 2022
Históricamente, la falta de publicidad en video y la orientación imprecisa han significado que canales como la búsqueda paga son un mejor uso de un presupuesto publicitario limitado para agencias y pequeñas empresas. Con el crecimiento de la televisión conectada (CTV) y su capacidad para orientar y medir el rendimiento […]
La guía de marketing de búsqueda para la televisión conectada: mejores prácticas para omitir
Copyright. Todos los derechos reservados Tema: Default Mag por ThemeInWP .