人脸识别软件可用于在人群中识别特定的人员;那么,它也可以预测他将会出现在人群中的位置吗?虽然这听起来像是科幻小说,但日本的研究人员现在已经证明,人工智能可以在细胞水平上完成非常相似的事情。


在一项发表在细胞与发育生物学前沿的研究中,奈良科学技术研究所 (NAIST) 的研究人员透露,机器学习程序可以准确预测与肌动蛋白相关的蛋白质的位置,肌动蛋白是细胞骨架的重要组成部分,基于关于肌动蛋白本身的位置。


肌动蛋白在为细胞提供形状和结构方面起着关键作用,并且在细胞运动过程中有助于形成片状伪足,这是细胞用来向前“行走”的扇形结构。Lamellipodia 还包含许多其他蛋白质,这些蛋白质与肌动蛋白结合以帮助维持扇形结构并保持细胞运动。


人工细胞染色方法或将迎来新突破!科学家成功以AI系统准确预测活体蛋白质的位置

图 1. Swiss 3T3 细胞中的 Lamellipodia 和 WAVE2 定位。(A) 片状伪足中肌动蛋白丝和 WAVE2 定位的结构示意图。Rac1 激活后,蛋白质复合物中的 WAVE2 被激活,导致 Arp2/3 复合物激活以形成分支肌动蛋白丝。IRSp53 与 WAVE2 合作,通过质膜上的 Rac1 对其进行激活。(B) 表达 Rac1 活性形式的 Swiss 3T3 细胞中肌动蛋白丝的输入图像。肌动蛋白丝被罗丹明-鬼笔环肽染色。片状伪足是在细胞边缘形成的扇形结构。(C) 与面板 (B) 共同免疫染色的实际 WAVE2 图像,显示在片状伪足边缘的积累。(D) WAVE2 图像生成的进展。每 2,500 次迭代(1 epoch)显示图像。迭代次数显示在图像中。图像生成从没有任何特征的灰度图像开始。比例尺,10 微米。图片识别:DOI:10.3389/fcell.2021.635231


该研究的主要作者 Shiro Suetsugu 说:“虽然人工智能以前曾被用于根据一系列图像预测细胞迁移的方向,但到目前为止它还没有被用于预测蛋白质定位。这个想法是在与 NAIST 数据科学中心的 Yoshinobu Sato 讨论时提出的。因此,我们试图设计一种机器学习算法,该算法可以根据蛋白质与其他蛋白质的关系来确定蛋白质将出现在细胞中的哪个位置。”


人工细胞染色方法或将迎来新突破!科学家成功以AI系统准确预测活体蛋白质的位置


为此,研究人员训练了一个人工智能系统,通过向它展示用荧光标记物标记蛋白质的细胞图片来预测细胞中肌动蛋白相关蛋白质的位置。然后,他们给了程序图片,其中只标记了肌动蛋白,并要求它告诉他们相关蛋白质的位置。


“当我们将预测图像与实际图像进行比较时,有相当程度的相似性,”Suetsugu 说:“我们的程序准确地预测了三种肌动蛋白相关蛋白在片状伪足中的定位;并且,对于这些蛋白质之一,在细胞内的其他结构中。”


另一方面,当研究人员要求该程序预测与肌动蛋白没有直接关系的微管蛋白在细胞中的位置时,该程序几乎没有表现得那么好。


“我们的研究结果表明,机器学习可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,”Suetsugu 说。


鉴于非专家并不总是很容易发现片状伪足,因此本研究中开发的程序将来可用于从细胞图像中快速准确地识别这些结构。此外,这种方法有可能用作一种人工细胞染色方法,以避免当前细胞染色方法的局限性。



免责声明

我来说几句

不吐不快,我来说两句
最新评论

还没有人评论哦,抢沙发吧~