Алгоритм машинного навчання може передбачити, куди прямують білки

Дослідники з Нара Інституту науки і технологій (NAIST) розробили алгоритм машинного навчання, який може точно передбачити місцезнаходження білків, пов’язаних з актином, який є важливою частиною клітинного скелета. Алгоритм може передбачити місцезнаходження білків на основі фактичного місцезнаходження актину.

Дослідження було опубліковано в Frontiers in Cell and Developmental Biology.

Важливість актину

Актин є ключовим для надання форми та структури клітинам, і він грає роль у формуванні ламелліподій під час руху клітин. Ламелліподії – це віялоподібні структури, які дозволяють клітинам “ходити” вперед, і вони містять різні білки, які зв’язуються з актином, щоб утримувати клітини в русі.

Шіро Суетсугу є головним автором дослідження і прийшов до цієї ідеї під час розмови з Йошінобу Сато в Центрі даних науки NAIST.

“Хоча раніше штучний інтелект використовувався для передбачення напрямку міграції клітин на основі послідовності зображень, досі він не використовувався для передбачення локалізації білків”, – говорить Суетсугу. “Відтак ми вирішили розробити алгоритм машинного навчання, який може визначити, де білки з’являться в клітині на основі їхньої взаємодії з іншими білками.”

Розробка системи штучного інтелекту

Дослідники тренували систему штучного інтелекту для передбачення, де будуть розташовані білки, пов’язані з актином. Вони зробили це, показавши штучному інтелекту зображення клітин з білками, позначеними флуоресцентними маркерами, які вказували системі, де вони розташовані. Потім системі були показані зображення, на яких був позначений лише актин, і її попросили знайти пов’язані з ним білки.

“Коли ми порівняли передбачені зображення з фактичними зображеннями, ми побачили значну схожість”, – говорить Суетсугу. “Наша програма точно передбачила локалізацію трьох білків, пов’язаних з актином, у ламелліподіях; і, у випадку одного з цих білків, в інших структурах клітини.”

Демонструючи конкретні можливості системи, команда потім попросила її передбачити, де знаходиться тубулін у клітині. Тубулін не пов’язаний безпосередньо з актином, і програма виконувала цю задачу гірше.

“Наші результати свідчать про те, що машинне навчання можна використовувати для точного передбачення локалізації функціонально пов’язаних білків і опису фізичних взаємодій між ними”, – говорить Суетсугу.

За словами дослідників, програму можна використовувати для швидкого та точного визначення структур з клітинних зображень, і вона може діяти як штучний метод фільтрації клітин, який допоможе уникнути обмежень сучасних методів.