Algoritm de învățare automată care poate prezice unde merg proteinele

Cercetătorii de la Institutul de Știință și Tehnologie din Nara (NAIST) au dezvoltat un algoritm de învățare automată care poate prezice cu acuratețe locația proteinelor legate de actin, care este o parte crucială a scheletului celular. Algoritmul poate prezice locația proteinelor pe baza locației reale a actinei.

Studiul a fost publicat în Frontiers in Cell and Developmental Biology.

Importanța actinei

Actina este cheia care oferă formă și structură celulelor și joacă un rol în formarea lamellipodiilor în timpul mișcării celulare. Lamellipodiile sunt structuri în formă de evantai care permit celulelor să “meargă” înainte și conțin diverse proteine care se leagă de actină pentru a menține celulele în mișcare.

Shiro Suetsugu este autorul principal al studiului și a avut ideea în timpul unei conversații cu Yoshinobu Sato la Centrul de Știință a Datelor din NAIST.

“În timp ce inteligența artificială a fost utilizată anterior pentru a prezice direcția migrației celulare pe baza unei secvențe de imagini, până acum nu a fost utilizată pentru a prezice localizarea proteinelor,” spune Suetsugu. “Prin urmare, am încercat să proiectăm un algoritm de învățare automată care poate determina unde vor apărea proteinele în celulă pe baza relației lor cu alte proteine.”

Dezvoltarea sistemului AI

Cercetătorii au antrenat un sistem de inteligență artificială pentru a prezice unde vor fi proteinele asociate cu actina în celulă. Au făcut acest lucru prin prezentarea sistemului cu imagini de celule cu proteine marcate cu markeri fluorescenți, care au indicat sistemului unde se află. Sistemul a fost apoi hrănit cu imagini în care doar actina a fost marcată și i s-a cerut să localizeze proteinele asociate.

“Când am comparat imaginile prezise cu imaginile reale, a existat un grad considerabil de similaritate,” spune Suetsugu. “Programul nostru a prezis cu acuratețe localizarea a trei proteine asociate cu actina în lamellipodii; și, în cazul uneia dintre aceste proteine, în alte structuri din celulă.”

Demonstrând capacitățile specifice ale sistemului, echipa a cerut apoi să prezice unde se află tubulina în celulă. Tubulina nu este direct legată de actină și programul a funcționat mai prost la această sarcină.

“Rezultatele noastre sugerează că învățarea automată poate fi utilizată pentru a prezice cu acuratețe locația proteinelor funcțional legate și pentru a descrie relațiile fizice dintre ele,” spune Suetsugu.

Conform cercetătorilor, programul poate fi utilizat pentru a identifica rapid și cu acuratețe structurile din imagini de celule și poate acționa ca o metodă artificială de filtrare a celulelor, ceea ce ar ajuta la evitarea limitărilor metodelor actuale.