Maschinelles-Lernen-Algorithmus kann vorhersagen, wohin Proteine gehen

Forscher am Nara Institute of Science and Technology (NAIST) haben einen maschinellen Lern-Algorithmus entwickelt, der die Lage von Proteinen im Zusammenhang mit Actin, einem wichtigen Teil des Zellskeletts, genau vorhersagen kann. Der Algorithmus kann die Lage der Proteine basierend auf der tatsächlichen Lage von Actin vorhersagen.

Die Studie wurde in Frontiers in Cell and Developmental Biology veröffentlicht.

Die Bedeutung von Actin

Actin ist entscheidend für die Form und Struktur von Zellen und spielt eine Rolle bei der Bildung von Lamellipodien während der Zellbewegung. Lamellipodien sind fächerförmige Strukturen, die es Zellen ermöglichen, “zu gehen”, und sie enthalten verschiedene Proteine, die an Actin 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 am Data Science Center in NAIST.

“Während künstliche Intelligenz zuvor verwendet wurde, um die Richtung der Zellmigration basierend auf einer Sequenz von Bildern vorherzusagen, wurde sie bisher nicht verwendet, um die Lokalisation von Proteinen vorherzusagen”, sagt Suetsugu. “Wir suchten daher nach einem maschinellen Lern-Algorithmus, der bestimmen kann, wo Proteine in der Zelle erscheinen, basierend auf ihrer Beziehung zu anderen Proteinen.”

Entwicklung des KI-Systems

Die Forscher trainierten ein künstliches Intelligenz-System, um vorherzusagen, wo Actin-assoziierte Proteine in der Zelle sein würden. Sie taten dies, indem sie dem KI-System Bilder von Zellen mit Proteinen zeigten, die mit fluoreszierenden Markern gekennzeichnet waren, was dem System anzeigte, wo sie sich befanden. Das System wurde dann mit Bildern gefüttert, auf denen nur Actin gekennzeichnet war, und es wurde aufgefordert, die assoziierten Proteine zu lokalisieren.

“Wenn wir die vorhergesagten Bilder mit den tatsächlichen Bildern verglichen, gab es einen erheblichen Grad an Ähnlichkeit”, sagt Suetsugu. “Unser Programm hat die Lokalisation von drei Actin-assoziierten Proteinen innerhalb von Lamellipodien genau vorhergesagt; und im Falle eines dieser Proteine auch in anderen Strukturen innerhalb der Zelle.”

Um die spezifischen Fähigkeiten des Systems zu demonstrieren, forderten die Forscher es auf, vorherzusagen, wo Tubulin in der Zelle war. Tubulin ist nicht direkt mit Actin verwandt, und das Programm hat bei dieser Aufgabe schlechter abgeschnitten.

“Unsere Ergebnisse deuten darauf hin, dass maschinelles Lernen verwendet werden kann, um die Lokalisation von funktional verwandten Proteinen genau vorherzusagen und die physikalischen Beziehungen zwischen ihnen zu beschreiben”, sagt Suetsugu.

Laut den Forschern könnte das Programm verwendet werden, um schnell und genau die Strukturen aus Zellbildern zu identifizieren, und es könnte als künstliche Zellreinigungsmethode dienen, die dabei helfen würde, die Einschränkungen der aktuellen Methoden zu vermeiden.