ระบบการเรียนรู้ของเครื่องจักรสามารถคาดการณ์ได้ว่าโปรตีนจะไปที่ไหน

นักวิจัยที่สถาบันวิทยาศาสตร์และเทคโนโลยีนารา (NAIST) ได้พัฒนาแอลกอริทึมการเรียนรู้ของเครื่องจักรที่สามารถคาดการณ์ได้อย่างแม่นยำว่าโปรตีนที่เกี่ยวข้องกับแอคตินจะไปที่ไหน ซึ่งเป็นส่วนสำคัญของโครงกระดูกเซลล์ แอลกอริทึมสามารถคาดการณ์ได้ว่าโปรตีนจะไปที่ไหนโดยอาศัยตำแหน่งของแอคติน

การศึกษานี้ได้รับการตีพิมพ์ใน Frontiers in Cell and Developmental Biology.

ความสำคัญของแอคติน

แอคตินเป็นกุญแจสำคัญในการให้รูปทรงและโครงสร้างแก่เซลล์ และมีบทบาทในการก่อตัวของลามิเลโปเดียระหว่างการเคลื่อนที่ของเซลล์ ลามิเลโปเดียเป็นโครงสร้างที่มีรูปทรงพัดซึ่งช่วยให้เซลล์ “เดิน” ไปข้างหน้า และมีโปรตีนที่ผูกกับแอคตินเพื่อรักษาการเคลื่อนที่ของเซลล์

ชิโร ซูเอ็ตสึงุเป็นผู้เขียนหลักของการศึกษานี้และได้แนวคิดนี้ระหว่างการสนทนากับโยชิโนบุ ซาโต้ที่ศูนย์วิทยาศาสตร์ข้อมูลของ NAIST

“ในขณะที่ปัญญาประดิษฐ์ถูกใช้มาก่อนหน้านี้เพื่อคาดการณ์ทิศทางของการย้ายเซลล์ตามลำดับของภาพ แต่จนถึงตอนนี้ยังไม่ได้ใช้เพื่อคาดการณ์การกระจายตัวของโปรตีน” ซูเอ็ตสึงุกล่าว “ดังนั้นเราจึงพยายามออกแบบแอลกอริทึมการเรียนรู้ของเครื่องจักรที่สามารถกำหนดได้ว่าโปรตีนจะปรากฏที่ไหนในเซลล์โดยอาศัยความสัมพันธ์กับโปรตีนอื่น ๆ “

การพัฒนาระบบ AI

นักวิจัยได้ฝึกอบรมระบบปัญญาประดิษฐ์ (AI) เพื่อคาดการณ์ว่าโปรตีที่เกี่ยวข้องกับแอคตินจะอยู่ที่ไหนในเซลล์ พวกเขาได้ทำสิ่งนี้โดยการแสดงรูปภาพของเซลล์ที่มีโปรตีนระบุไว้ด้วยเครื่องหมายฟลูออเรสเซนต์ ซึ่งบ่งชี้ให้ระบบทราบว่าพวกมันอยู่ที่ไหน ระบบได้รับภาพที่มีเพียงแอคตินเท่านั้นที่ถูกทำเครื่องหมาย และถูกขอให้ค้นหาโปรตินที่เกี่ยวข้อง

“เมื่อเราทำการเปรียบเทียบรูปภาพที่คาดการณ์กับรูปภาพที่แท้จริง มีความคล้ายคลึงกันอย่างมาก” ซูเอ็ตสึงุกล่าว “โปรแกรมของเราคาดการณ์การกระจายตัวของโปรตินที่เกี่ยวข้องกับแอคตินสามชนิดภายในลามิเลโปเดียได้อย่างแม่นยำ และในกรณีของโปรตีนหนึ่งในนั้น ในโครงสร้างอื่น ๆ ภายในเซลล์”

การแสดงความสามารถเฉพาะของระบบ ทีมงานได้ขอให้ระบบคาดการณ์ว่าทูบูลินอยู่ที่ไหนในเซลล์ ทูบูลินไม่เกี่ยวข้องโดยตรงกับแอคติน และโปรแกรมทำงานได้ไม่ดีนักในการทำนายสิ่งนี้

“ผลการวิจัยของเราบ่งชี้ว่าปัญญาประดิษฐ์สามารถใช้เพื่อคาดการณ์ได้อย่างแม่นยำว่าโปรตีที่เกี่ยวข้องกับการทำงานจะไปที่ไหนและอธิบายความสัมพันธ์ทางกายภาพระหว่างพวกมัน” ซูเอ็ตสึงุกล่าว

ตามที่นักวิจัยระบุ โปรแกรมสามารถใช้เพื่อระบุโครงสร้างจากภาพเซลล์ได้อย่างรวดเร็วและแม่นยำ และสามารถใช้เป็นวิธีการกรองเซลล์เทียมซึ่งจะช่วยหลีกเลี่ยงข้อจำกัดของวิธีการปัจจุบัน