In che modo i farmaci influenzano la struttura del nucleolo? / How do drugs affect nucleolus structure?

In che modo i farmaci influenzano la struttura del nucleolo? Il procedimento del brevetto ENEA RM2012A000637 è moltoutilein quesro tipo di applicazione. / How do drugs affect nucleolus structure?  The procedure of the ENEA patent RM2012A000637 is very useful in this type of application.

Segnalato dal Dott. Giuseppe Cotellessa / Reported by Dr. Giuseppe Cotellessa

Cosa può rivelarci la forma del nucleolo sulla risposta di una cellula ai farmaci? I ricercatori utilizzano tecniche di microscopia avanzate ed intelligenza artificiale per scoprirlo. 

I ricercatori dell'Università di Princeton (NJ, USA) hanno sfruttato l'intelligenza artificiale per comprendere come i farmaci influenzano le dinamiche delle strutture vitali all'interno della cellula, introducendo uno strumento in grado di mappare la forma di queste strutture in relazione ai risultati funzionali e di far luce su importanti marcatori di salute. A tal fine, un gruppo guidato da Cliff Brangwynne ha esaminato i cambiamenti di forma dei condensati biomolecolari, minuscole goccioline presenti nelle cellule viventi che regolano la trascrizione ed altri processi di regolazione genica e che sono state collegate a malattie come l'Alzheimer, la SLA ed il cancro.

"Il problema centrale in biologia è come ottenere una struttura emergente dalle singole interazioni molecolari", ha affermato Brangwynne, professore di ingegneria chimica e biologica titolare della cattedra June K. Wu '92 e responsabile principale dello studio. "L'innovazione chiave è stata quella di sviluppare un metodo per apprendere dalle immagini e classificare i modelli emergenti."

Lo studio si è concentrato su una struttura complessa chiamata nucleolo, responsabile dell'assemblaggio delle minuscole macchine che compongono le proteine. Il gruppo ha utilizzato un microscopio avanzato per visualizzare i cambiamenti di forma del nucleolo in centinaia di cellule umane in diverse condizioni controllate farmacologicamente. Queste immagini, di difficile interpretazione anche per uno scienziato altamente qualificato, sono state poi elaborate da uno strumento di apprendimento automatico sviluppato appositamente. Lo strumento è stato in grado di suddividere le immagini in quattro categorie principali in base alla forma del nucleolo: tre categorie previste dai ricercatori ed una quarta inaspettata, che il gruppo ha successivamente identificato come completamente nuova.

Anita Donlic, ricercatrice post-dottorato, e Troy Comi, ingegnere di software per la ricerca, del laboratorio di Brangwynne, hanno addestrato una rete neurale su decine di migliaia di immagini di cellule contenenti nucleoli sferici sani, oltre a due note forme nucleolari atipiche: una a forma di cappuccio ed un'altra a forma di collana di perline, secondo quanto affermato dai ricercatori.

Queste forme a cappuccio ed a collana sono state associate ad una serie di risposte allo stress cellulare, rendendole utili marcatori per testare gli effetti di farmaci o terapie geniche. Ad esempio, le forme a cappuccio possono derivare da un trattamento noto per interrompere i processi che producono l'RNA necessario per assemblare le minuscole macchine che sintetizzano le proteine. Le forme a collana possono derivare da una classe di farmaci che interferiscono con un processo diverso correlato all'RNA.

Dopo l'addestramento iniziale, il gruppo ha testato una serie di farmaci per osservare come ciascuno di essi influenzasse la formazione del nucleolo. Hanno utilizzato la rete neurale per misurare visivamente i cambiamenti nello sviluppo del condensato, scoprendo che diverse concentrazioni di farmaci causavano diversi gradi di cambiamento sia nelle strutture a cappuccio che in quelle a collana.

La rete neurale ha scoperto che due noti farmaci antitumorali causano la formazione di "capsule" nei nucleoli, un fenomeno non precedentemente segnalato per questi farmaci, ha riferito Donlic, primo autore dell'articolo. Ciò suggerisce che questi farmaci potrebbero influenzare la funzione nucleolare in modi finora sconosciuti.

Per un terzo farmaco, chiamato topotecan, la rete ha scoperto una forma del nucleolo completamente nuova che i ricercatori hanno soprannominato "fiore".

Sebbene fosse noto che il topotecan inibisse un enzima coinvolto nella replicazione del DNA, Donlic ha dimostrato che la perdita di questo enzima, TOP1, induceva la forma a fiore e ha svelato il ruolo dell'enzima nel mantenimento dell'organizzazione nucleolare attraverso la regolazione dell'elaborazione dell'RNA.

"Nessuno aveva mai visto prima questa morfologia floreale", ha commentato Brangwynne, che è anche direttore dell'Istituto di Bioingegneria Omenn-Darling . "La rete l'ha segnalata come non rientrante nelle altre tre categorie."

Questi risultati indicano la strada verso un sistema affidabile per il monitoraggio e la valutazione delle risposte cellulari ai farmaci a livello di singola cellula.

Il gruppo ha inoltre testato la propria rete neurale su altri condensati correlati ai processi dell'RNA, osservando risultati simili in termini di dose-risposta per farmaci specifici per i corpi nucleari (un centro nevralgico per l'attività dell'RNA messaggero) e per i condensati del virus respiratorio sinciziale.

Questa scoperta sottolinea la necessità di svelare questi misteri a livello molecolare, che l'analisi umana di fattori basilari come dimensioni e forma tende a trascurare. "Potremmo perdere di vista altre caratteristiche importanti", ha concluso Donlic. "Elementi che potrebbero rivelare nuove caratteristiche biologiche."

ENGLISH

What can the shape of the nucleolus tell us about a cell’s response to drugs? Researchers use advanced microscopy techniques and AI to find out. 

Researchers at Princeton University (NJ, USA) have harnessed AI to understand how drugs affect the dynamics of vital structures within the cell, introducing a tool that can map the shape of these structures to functional outcomes and shed light on important markers of health. To do this, a team led by Cliff Brangwynne examined the shape changes of biomolecular condensates, tiny droplets in living cells that drive transcription and other gene regulation processes and have been linked to diseases including Alzheimer’s, ALS and cancer.

“The central problem in biology is how do you get emergent structure from individual molecular interactions,” shared Brangwynne, the June K. Wu ’92 Professor of Chemical and Biological Engineering and principal investigator of the study. “The key innovation here was to develop a way to learn from the images and classify the patterns that are emergent.”

The study focused on a condensate called the nucleolus, responsible for assembling the tiny machines that build proteins. The team used an advanced microscope to image nucleolar shape changes in hundreds of human cells under a range of drug-controlled conditions. They then fed those images, difficult to interpret even for a highly trained scientist, through a machine-learning tool they had built for this purpose. The tool was able to sort the images into four basic categories based on the shape of the nucleolus: three categories that the researchers expected and a fourth that was unexpected, which the team later determined to be entirely new.

Anita Donlic, postdoctoral researcher, and Troy Comi, research software engineer, of Brangwynne’s lab, trained a neural network on tens of thousands of images of cells containing healthy, spherical nucleoli, plus two well-known atypical nucleolar forms: one shaped like a cap and another shaped like a beaded necklace, according to the researchers.

These cap and necklace shapes have been linked to a range of cellular stress responses, making them useful markers for testing the effects of drugs or gene therapies. For example, cap shapes can arise from a treatment known to disrupt processes that create the RNA needed to assemble the tiny protein-making machines. Necklace shapes can arise from a class of drugs that disrupt a separate RNA-related process.

After the initial training, the team ran a panel of drugs to see how each drug affected nucleolar formation. They used the neural network to visually measure changes in the condensate’s development, finding that different concentrations of drugs caused different degrees of change in both caps and necklaces.

The neural network found that two known anti-cancer drugs caused caps, a phenomenon not previously reported for those drugs, reported Donlic, the paper’s first author. This suggests that these drugs may be affecting nucleolar function in ways that were not previously appreciated.

For a third drug, called topotecan, the network discovered a totally new nucleolus shape that the researchers labeled flower.

While topotecan was known to inhibit an enzyme used in DNA replication, Donlic showed that a loss of this enzyme, TOP1, induced the flower shape and uncovered the enzyme’s role in maintaining nucleolar organization by regulating RNA processing.

“No one’s seen this flower morphology before,” commented Brangwynne, who is also director of the Omenn-Darling Bioengineering Institute. “The network flagged it as not fitting neatly into the other three categories.”

These findings point the way toward a robust system for monitoring and evaluating cellular responses to drugs at a single-cell level.

The team also tested their neural network on other condensates related to RNA processes, observing similar dose-and-response results for drugs specific to nuclear speckles (a hub for messenger RNA activity) and condensates from respiratory syncytial virus.

This finding underscores the need to unlock these molecular-level mysteries that are easy for human analysis of basic factors like size and shape to overlook. “You could be missing other important features,” concluded Donlic. “Things that could tell you there’s new biology.”

Da:

https://www.biotechniques.com/computational-biology/how-do-drugs-affect-nucleolus-structure/?utm_campaign=BioTechniques%20-%20Weekly%20NL&utm_medium=email&_hsenc=p2ANqtz-9-X75RIruvq2nd6aAGXAZu_tM1VLRM6esLmekYwN74jPHrWiu2LHV9S-U4GqBI_NJGKw0fMUh7W3hPQBcQpCNROVjRaPUKXfmvGjewSawd1Vgc4Qg&_hsmi=424835176&utm_content=424617116&utm_source=hs_email