基于人工智能的技术揭示了以前未知的细胞成分

大多数人类疾病都可以追溯到细胞的故障部分——例如，肿瘤能够生长是因为基因没有被准确地翻译成特定的蛋白质，或者代谢疾病的出现是因为线粒体不能正常发射。但要了解疾病中细胞的哪些部分会出错，科学家们首先需要有一份完整的部分列表。

通过将显微镜、生物化学技术和人工智能相结合，加州大学圣地亚哥分校医学院的研究人员和合作者已经取得了他们认为可能在理解人类细胞方面取得重大飞跃的成果。

该技术称为多尺度集成单元 (Music)，于 2021 年 11 月 24 日在Nature 上进行了描述。

“如果你想象一个细胞，你可能会在你的细胞生物学教科书中描绘出五颜六色的图表，包括线粒体、内质网和细胞核。但这就是故事的全部吗?绝对不是，”加州大学圣地亚哥分校医学院和摩尔斯癌症中心教授 Trey Ideker 博士说。“科学家们早就意识到我们不知道的比我们知道的更多，但现在我们终于有办法更深入地研究了。”

Ideker 与瑞典斯德哥尔摩 KTH 皇家理工学院和斯坦福大学的 Emma Lundberg 博士一起领导了这项研究。

在初步研究中，MuSIC 揭示了人类肾脏细胞系中包含的大约 70 种成分，其中一半以前从未见过。在一个例子中，研究人员发现了一组形成陌生结构的蛋白质。他们与加州大学圣地亚哥分校的同事 Gene Yeo 博士合作，最终确定该结构是一种新的结合 RNA 的蛋白质复合物。该复合物可能参与剪接，这是一种重要的细胞事件，可以将基因翻译成蛋白质，并有助于确定哪些基因在何时被激活。

细胞内部——以及在那里发现的许多蛋白质——通常使用两种技术之一进行研究：显微镜成像或生物物理关联。通过成像，研究人员将各种颜色的荧光标签添加到感兴趣的蛋白质上，并在显微镜的视野中跟踪它们的运动和关联。为了观察生物物理关联，研究人员可能会使用一种特定于蛋白质的抗体将其拉出细胞，看看还有什么附着在它上面。

多年来，该团队一直对绘制细胞内部工作原理图感兴趣。MuSIC 的不同之处在于使用深度学习直接从细胞显微镜图像中绘制细胞图。

“这些技术的结合是独特而强大的，因为这是第一次将不同尺度的测量结果结合在一起，”该研究的第一作者、Ideker 实验室生物信息学和系统生物学研究生 Yu Qin 说。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！