Algorytm uczenia maszynowego może przewidzieć, gdzie białka trafią

Naukowcy z Nara Institute of Science and Technology (NAIST) opracowali algorytm uczenia maszynowego, który może dokładnie przewidzieć lokalizację białek związanych z aktyną, która jest kluczową częścią szkieletu komórkowego. Algorytm może przewidzieć lokalizację białek na podstawie rzeczywistej lokalizacji aktyny.

Badanie zostało opublikowane w Frontiers in Cell and Developmental Biology.

Ważność aktyny

Aktyna jest kluczowa dla nadania kształtu i struktury komórkom, a także odgrywa rolę w tworzeniu lamellipodiów podczas ruchu komórkowego. Lamellipodia to struktury w kształcie wachlarza, które umożliwiają komórkom „chodzenie” do przodu, a zawierają one różne białka, które wiążą się z aktyną, aby utrzymać komórki w ruchu.

Shiro Suetsugu jest głównym autorem badania i wpadł na pomysł podczas rozmowy z Yoshinobu Sato w Data Science Center w NAIST.

“Podczas gdy sztuczna inteligencja była wcześniej używana do przewidywania kierunku migracji komórek na podstawie sekwencji obrazów, nie była dotąd używana do przewidywania lokalizacji białek”, mówi Suetsugu. “Dlatego też staraliśmy się opracować algorytm uczenia maszynowego, który może określić, gdzie białka pojawią się w komórce na podstawie ich relacji z innymi białkami”.

Rozwój systemu AI

Naukowcy przeszkolili system sztucznej inteligencji do przewidywania, gdzie białka związane z aktyną będą w komórce. Zrobili to, pokazując systemowi obrazy komórek z białkami oznaczonymi fluorescencyjnymi markerami, co wskazało systemowi, gdzie się znajdują. Następnie systemowi pokazano obrazy, na których tylko aktyna była oznaczona, a system musiał zlokalizować związane z nią białka.

“Kiedy porównaliśmy przewidywane obrazy z rzeczywistymi obrazami, było znaczne podobieństwo”, mówi Suetsugu. “Nasza aplikacja dokładnie przewidziała lokalizację trzech białek związanych z aktyną w lamellipodiach; a w przypadku jednego z tych białek również w innych strukturach w komórce”.

Demonstrując specyficzne możliwości systemu, zespół poprosił go o przewidzenie, gdzie tubulina jest w komórce. Tubulina nie jest bezpośrednio związana z aktyną, a program radził sobie gorzej z tym zadaniem.

“Nasze wyniki sugerują, że uczenie maszynowe może być używane do dokładnego przewidywania lokalizacji funkcjonalnie związanych białek i opisywania fizycznych relacji między nimi”, mówi Suetsugu.

Według naukowców, program może być używany do szybkiego i dokładnego identyfikowania struktur z obrazów komórkowych, a także może służyć jako sztuczna metoda separacji komórek, co pomoże uniknąć ograniczeń obecnych metod.