Схоцк АИ Дисцовери сугерише да нисмо открили ни половину онога што је унутар наших ћелија

(Изневтон/Викимедиа Цоммонс)

Унутар сваке ћелије људског тела налази се сазвежђе протеина, милиони њих . Сви се гурају около, брзо се склапају, пресавијају, пакују, отпремају, секу и рециклирају у кошници активности која ради грозничавим темпом да нас одржава у животу и откуцава.

Али без потпуног инвентара универзума протеина у нашим ћелијама, научници су под тешким притиском да на молекуларном нивоу процене шта иде по злу са нашим телима што доводи до болести.

Сада су истраживачи развили нову технику која користи вештачка интелигенција да асимилира податке из микроскопских слика појединачних ћелија и биохемијских анализа, да направи 'јединствену мапу' субћелијских компоненти – од којих половину, испоставило се, никада раније нисмо видели.



„Научници су одавно схватили да постоји више тога што не знамо него што знамо, али сада коначно имамо начин да погледамо дубље“, каже компјутерски научник и мрежни биолог Треј Идекер са Универзитета Калифорније (УЦ) у Сан Дијегу.

Микроскопи, колико год моћни јесу, омогућавају научницима да завире унутар појединачних ћелија, све до нивоа органела као што су митохондрије, енергетски пакети ћелија, и рибозоми, фабрике протеина. Можемо чак додати и флуоресцентне боје да бисмо лако означили и пратили протеине.

Биохемијске технике могу ићи још дубље, усавршавајући се на појединачним протеинима коришћењем, на пример, циљаних антитела који везују протеин, извлаче га из ћелије и виде шта је још везано за њега.

Интеграција ова два приступа представља изазов за ћелијске биологе.

„Како премостити тај јаз од нанометарске до микронске скале? То је дуго била велика препрека у биолошким наукама,' објашњава Идекер.

„Испоставило се да то можете учинити помоћу вештачке интелигенције – гледајући податке из више извора и тражите од система да их састави у модел ћелије.“

Резултат: Идекер и колеге су окренули уџбеничке мапе глобуларних ћелија које нам дају поглед из птичије перспективе на органеле боје слаткиша у замршену мрежу интеракција протеин-протеин, организовану малим растојањима између њих.

Класичан поглед на пресек еукариота. (Мариана Руиз/ЛадиофХатс/Викимедија)

Спајањем сликовних података из библиотеке која се зове Атлас људских протеина и постојећих мапа интеракција протеина, Машинско учење алгоритам је имао задатак да израчуна растојања између парова протеина.

Циљ је био да се идентификују заједнице протеина, назване склопови, који коегзистирају у ћелијама на различитим скалама, од веома малих (мање од 50 нм) до веома 'великих' (више од 1 μм).

Једна срамежљива од 70 заједница протеина је класификована помоћу алгоритма, који је обучен коришћењем референтне библиотеке протеина са познатим или процењеним пречницима, и потврђен даљим експериментима.

Отприлике половина идентификованих протеинских компоненти наизглед је непозната науци, никада није документована у објављеној литератури, истраживачи предложити .

У мешавини је била једна група протеина која је формирала непознату структуру, за коју су истраживачи утврдили да је вероватно одговорна спајање и коцкице новонасталих транскрипата генетског кода који се користе за прављење протеина.

Други мапирани протеини укључивали су трансмембранске транспортне системе који пумпају залихе у ћелије и из њих, породице протеина који помажу у организовању гломазних хромозома и протеинске комплексе чији је посао да направе, па, више протеина.

Велики напор, међутим, није први пут да научници покушавају да мапирају унутрашње функционисање људских ћелија.

Други напори да се направе референтне мапе интеракција протеина су уродиле плодом слично запањујуће бројке и покушао да измерите нивое протеина преко ткива људског тела.

Истраживачи су такође развили технике за визуелизацију и праћењеинтеракција и кретање протеинау ћелијама.

Ова пилот студија иде корак даље применом машинског учења на слике ћелијске микроскопије које лоцирају протеине у односу на велике ћелијске оријентире као што је језгро, и податке из студија интеракције протеина који идентификују најближе суседе протеина на нано-скали.

„Комбинација ових технологија је јединствена и моћна јер је то први пут да су мерења на веома различитим скалама спојена заједно,“ каже биоинформатичар Иуе Кин, такође са УЦ Сан Диего.

Чинећи то, техника интегрисане ћелије на више скала или МуСИЦ „повећава резолуцију слике, док интеракцијама протеина даје просторну димензију, утирући пут за укључивање различитих типова података у ћелијске мапе широм протеома“, Кин, Идекер и колеге писати .

Да буде јасно, ово истраживање је врло прелиминарно: тим се фокусирао на валидацију свог метода и погледао је само доступне податке од 661 протеина у једној ћелијској врсти, ћелијској линији бубрега коју су научници култивисали у лабораторији већ пет деценија.

Истраживачи планирају да примене своју нову технику на друге типове ћелија, каже Идекер.

Али у међувремену, мораћемо понизно да прихватимо да смо обични уљези у сопственим ћелијама, способни да разумеју мали део укупног протеома .

„На крају бисмо могли боље да разумемо молекуларну основу многих болести упоређујући шта се разликује између здравих и болесних ћелија,“ каже Идекер.

Студија је објављена у Природа .

О Нама

Објављивање Независних, Доказаних Чињеница О Здравственим, Простору, Природи, Технологији И Животној Средини.