Algoritmo de aprendizado de máquina pode prever para onde vão as proteínas

Pesquisadores do Instituto de Ciência e Tecnologia de Nara (NAIST) desenvolveram um algoritmo de aprendizado de máquina que pode prever com precisão a localização de proteínas relacionadas à actina, que é uma parte crucial do esqueleto celular. O algoritmo pode prever a localização das proteínas com base na localização real da actina. 

O estudo foi publicado no Fronteiras em Biologia Celular e do Desenvolvimento. 

A importância da actina

A actina é a chave para fornecer forma e estrutura às células e desempenha um papel na formação de lamelipódios durante o movimento celular. Os lamelipódios são estruturas em forma de leque que permitem que as células “andem” para frente e contêm várias proteínas que se ligam à actina para manter as células em movimento.

Shiro Suetsugu é o principal autor do estudo e teve a ideia durante uma conversa com Yoshinobu Sato no Data Science Center no NAIST. 

“Embora a inteligência artificial tenha sido usada anteriormente para prever a direção da migração celular com base em uma sequência de imagens, até agora não foi usada para prever a localização de proteínas”, diz Suetsugu. “Portanto, procuramos projetar um algoritmo de aprendizado de máquina que pode determinar onde as proteínas aparecerão na célula com base em sua relação com outras proteínas”.

Desenvolvendo o sistema de IA

Os pesquisadores treinaram um sistema de inteligência artificial (IA) para prever onde as proteínas associadas à actina estariam na célula. Eles fizeram isso mostrando as imagens de IA das células com as proteínas marcadas com marcadores fluorescentes, que indicavam ao sistema onde elas estavam localizadas. O sistema foi então alimentado com imagens nas quais apenas a actina foi marcada e solicitado a localizar as proteínas associadas.

“Quando comparamos as imagens previstas com as imagens reais, houve um grau considerável de similaridade”, diz Suetsugu. “Nosso programa previu com precisão a localização de três proteínas associadas à actina nos lamelipódios; e, no caso de uma dessas proteínas, em outras estruturas dentro da célula.”

Demonstrando as habilidades específicas do sistema, a equipe pediu para prever onde a tubulina estava na célula. A tubulina não está diretamente relacionada à actina, e o programa teve pior desempenho nessa tarefa.

“Nossas descobertas sugerem que o aprendizado de máquina pode ser usado para prever com precisão a localização de proteínas funcionalmente relacionadas e descrever as relações físicas entre elas”, diz Suetsugu.

Segundo os pesquisadores, o programa poderia ser usado para identificar com rapidez e precisão as estruturas a partir de imagens de células, e poderia atuar como um método artificial de estiramento de células, o que ajudaria a evitar as limitações dos métodos atuais.