机器学习算法可以预测蛋白质的位置

奈良先端科学技术大学研究所（NAIST）的研究人员开发了一种机器学习算法，可以准确预测与肌动蛋白相关的蛋白质的位置。该算法可以根据肌动蛋白的实际位置预测蛋白质的位置。

该研究发表在 Frontiers in Cell and Developmental Biology。

肌动蛋白的重要性

肌动蛋白对于提供细胞的形状和结构至关重要，它在形成细胞运动时的扇形结构（lamellipodia）中发挥作用。lamellipodia 含有各种与肌动蛋白结合的蛋白质，以保持细胞的运动。

末松志郎（Shiro Suetsugu）是该研究的首席作者，他在奈良先端科学技术大学研究所的数据科学中心与佐藤义信（Yoshinobu Sato）进行对话时产生了这个想法。

“虽然人工智能以前曾被用于预测细胞迁移的方向，但尚未被用于预测蛋白质的位置，”末松志郎说。“因此，我们旨在设计一种机器学习算法，可以根据蛋白质与其他蛋白质的关系确定它们在细胞中的位置。”

开发人工智能系统

研究人员训练了一种人工智能系统，以预测与肌动蛋白相关的蛋白质在细胞中的位置。他们通过向人工智能展示带有荧光标记的蛋白质的细胞图片来实现这一点，这些标记指示了蛋白质的位置。然后，系统被输入只有肌动蛋白被标记的图片，并被要求定位相关的蛋白质。

“当我们比较预测的图片和实际图片时，发现两者有很大程度的相似性，”末松志郎说。“我们的程序准确预测了三种与肌动蛋白相关的蛋白质在lamellipodia中的位置；在其中一种蛋白质的情况下，还预测了其在细胞其他结构中的位置。”

为了展示系统的具体能力，研究团队要求它预测微管蛋白（tubulin）在细胞中的位置。微管蛋白与肌动蛋白没有直接关系，程序在此任务中表现较差。

“我们的发现表明，机器学习可以被用于准确预测功能相关蛋白质的位置，并描述它们之间的物理关系，”末松志郎说。

根据研究人员的说法，该程序可以被用于快速、准确地识别细胞图像中的结构，并可以作为一种人工细胞过滤方法，以避免当前方法的局限性。