Algorithmus für maschinelles Lernen kann vorhersagen, wohin Proteine ​​​​gehen

Forscher am Nara Institute of Science and Technology (NAIST) haben einen Algorithmus für maschinelles Lernen entwickelt, der die Position von Proteinen im Zusammenhang mit Aktin, einem entscheidenden Teil des Zellskeletts, genau vorhersagen kann. Der Algorithmus kann die Position der Proteine ​​basierend auf der tatsächlichen Position von Aktin vorhersagen. 

Die Studie wurde in der veröffentlichten Grenzen in der Zell- und Entwicklungsbiologie. 

Die Bedeutung von Aktin

Aktin ist der Schlüssel zur Formung und Strukturierung von Zellen und spielt eine Rolle bei der Bildung von Lamellipodien während der Zellbewegung. Lamellipodien sind fächerförmige Strukturen, die es Zellen ermöglichen, vorwärts zu „laufen“, und sie enthalten verschiedene Proteine, die sich an Aktin binden, um die Zellen in Bewegung zu halten.

Shiro Suetsugu ist der Hauptautor der Studie und kam auf die Idee während eines Gesprächs mit Yoshinobu Sato im Data Science Center in NAIST. 

„Während künstliche Intelligenz bisher verwendet wurde, um die Richtung der Zellmigration anhand einer Bildsequenz vorherzusagen, wurde sie bisher nicht zur Vorhersage der Proteinlokalisierung eingesetzt“, sagt Suetsugu. „Wir wollten daher einen Algorithmus für maschinelles Lernen entwickeln, der anhand ihrer Beziehung zu anderen Proteinen bestimmen kann, wo Proteine ​​in der Zelle erscheinen.“

Entwicklung des KI-Systems

Die Forscher trainierten ein System der künstlichen Intelligenz (KI), um vorherzusagen, wo sich Aktin-assoziierte Proteine ​​in der Zelle befinden würden. Dazu zeigten sie den KI-Bildern von Zellen mit den mit Fluoreszenzmarkern markierten Proteinen, die dem System anzeigten, wo sie sich befanden. Anschließend wurden dem System Bilder zugeführt, auf denen nur das Aktin markiert war, und es wurde aufgefordert, die zugehörigen Proteine ​​zu lokalisieren.

„Als wir die vorhergesagten Bilder mit den tatsächlichen Bildern verglichen, gab es ein erhebliches Maß an Ähnlichkeit“, sagt Suetsugu. „Unser Programm hat die Lokalisierung von drei Aktin-assoziierten Proteinen innerhalb von Lamellipodien genau vorhergesagt; und im Fall eines dieser Proteine ​​auch in anderen Strukturen innerhalb der Zelle.“

Um die spezifischen Fähigkeiten des Systems zu demonstrieren, bat das Team es dann, vorherzusagen, wo sich Tubulin in der Zelle befand. Tubulin steht nicht in direktem Zusammenhang mit Aktin und das Programm schnitt bei dieser Aufgabe schlechter ab.

„Unsere Ergebnisse legen nahe, dass maschinelles Lernen verwendet werden kann, um die Position funktionell verwandter Proteine ​​genau vorherzusagen und die physikalischen Beziehungen zwischen ihnen zu beschreiben“, sagt Suetsugu.

Den Forschern zufolge könnte das Programm zur schnellen und genauen Identifizierung von Strukturen anhand von Zellbildern eingesetzt werden und als künstliche Zellbelastungsmethode fungieren, was dazu beitragen würde, die Einschränkungen aktueller Methoden zu umgehen.