Алгоритм машинного обучения может предсказать, куда пойдут белки

Исследователи из Нараского института науки и технологий (NAIST) разработали алгоритм машинного обучения, который может точно предсказать местонахождение белков, связанных с актином, который является важной частью клеточного скелета. Алгоритм может предсказать местонахождение белков на основе фактического местонахождения актина.

Исследование было опубликовано в Frontiers in Cell and Developmental Biology.

Важность актина

Актин является ключевым для обеспечения формы и структуры клеток, и он играет роль в формировании ламеллиподий во время движения клеток. Ламеллиподии являются веерными структурами, которые позволяют клеткам “ходить” вперед, и они содержат различные белки, которые связываются с актином, чтобы giữать клетки в движении.

Сиро Суэцугу является основным автором исследования и придумал эту идею во время разговора с Ёсинобу Сато в Центре данных NAIST.

“Хотя ранее искусственный интеллект использовался для предсказания направления миграции клеток на основе последовательности изображений, до сих пор он не использовался для предсказания локализации белков”, говорит Суэцугу. “Мы поэтому стремились разработать алгоритм машинного обучения, который может определить, где белки появятся в клетке на основе их отношения с другими белками.”

Разработка системы ИИ

Исследователи обучили систему искусственного интеллекта (ИИ) предсказывать, где будут находиться белки, связанные с актином, в клетке. Они сделали это, показав ИИ изображения клеток с помеченными флуоресцентными маркерами белков, которые указывали системе, где они находились. Затем системе были показаны изображения, на которых был помечен только актин, и ей было предложено найти связанные с ним белки.

“Когда мы сравнили предсказанные изображения с фактическими изображениями, мы обнаружили значительную степень сходства”, говорит Суэцугу. “Наша программа точно предсказала локализацию трех белков, связанных с актином, внутри ламеллиподий; и, в случае одного из этих белков, в других структурах клетки.”

Демонстрируя конкретные способности системы, команда затем попросила ее предсказать, где находится тубулин в клетке. Тубулин не связан напрямую с актином, и программа показала худшие результаты в этом задании.

“Наши результаты показывают, что машинное обучение может быть использовано для точного предсказания местонахождения функционально связанных белков и описания физических отношений между ними”, говорит Суэцугу.

По мнению исследователей, программа может быть использована для быстрого и точного определения структур из изображений клеток, и она может действовать как искусственный метод фильтрации клеток, который поможет избежать ограничений текущих методов.