AI震惊发现表明我们甚至还没有发现我们细胞内的一半

在人体的每个细胞内都有一组蛋白质。 数以百万计的. 它们都在摔跤、组装、折叠、包装、运输、切碎，然后迅速回收成一个充满活力的蜂巢，以疯狂的速度工作，让我们保持活力和活力。

但是，由于没有我们细胞内蛋白质世界的完整清单，科学家们面临着巨大的压力，需要在分子水平上估计我们身体中导致疾病的问题。

现在，研究人员开发了一种新技术，使用 人工智能 从单细胞的显微图像和生化分析中吸收数据，创建细胞成分的“标准化图谱”——事实证明，其中一半是我们以前从未见过的。

“科学家们早就认识到，我们不知道的比我们知道的要多，但我们现在有办法更深入地研究，” 他说 加州大学 (UC) 圣地亚哥分校的计算机科学家和网络生物学家 Trey Edecker。

显微镜虽然功能强大，但让科学家们能够观察单个细胞的内部，直到细胞器的水平，例如线粒体（细胞的能量包）和核糖体（蛋白质工厂）。 我们甚至可以添加荧光染料来轻松标记和跟踪蛋白质。

生化技术可以更深入，例如使用靶向 抗体 它结合蛋白质，将其从细胞中取出，然后观察它附着的其他物质。

整合这两种方法对细胞生物学家来说是一个挑战。

“你如何弥合从纳米尺度到微米尺度的差距？这一直是生物科学的一个巨大障碍，” 解释 埃德克。

“事实证明，你可以用 AI 做到这一点——查看来自多个来源的数据并要求系统将其聚合成一个细胞模型。”

结果：Edeker 及其同事翻转了球形细胞的教科书地图，让我们对复杂的蛋白质 – 蛋白质相互作用网络中糖果色细胞器的概述，由它们之间的小空间调节。

真核生物的经典横截面视图。 （玛丽安娜·鲁伊斯 / LadyOfficials / 维基媒体）

结合来自名为 Human Protein Atlas 的库中的图像数据和现有的蛋白质相互作用图， 机器学习 该算法的任务是计算蛋白质对之间的距离。

目标是确定蛋白质群落，称为聚集体，它们以各种尺度共存于细胞中，从非常小（<50 nm）到非常“大”（超过 1 μm）。

该算法对一个包含 70 个蛋白质群落的害羞群体进行了分类，该算法使用具有已知或估计直径的蛋白质参考库进行训练，并通过进一步的实验进行验证。

据研究人员称，所鉴定的蛋白质成分中有一半似乎是科学未知的，并且从未在已发表的文献中记录过。 建议.

在混合物中，一组蛋白质形成了一个陌生的结构，研究人员得出结论，这很可能是其原因 连通性 并切断用于制造蛋白质的遗传密码的新副本。

其他特殊的蛋白质包括将供应泵入和泵出细胞的跨膜转运系统、帮助组织巨染色体的蛋白质家族，以及负责制造更多蛋白质的蛋白质复合物。

这不是科学家们第一次尝试绘制人类细胞的内部运作，付出如此多的努力。

其他努力导致创建蛋白质相互作用的参考图 同样令人难以置信的数字 并尝试 测量蛋白质水平 通过人体组织。

研究人员还开发了技术来可视化和跟踪细胞中蛋白质的相互作用和运动。

这项初步研究通过将机器学习应用于细胞显微镜图像，识别与细胞核等大型细胞标志物相关的蛋白质，以及识别蛋白质最接近的纳米邻居的蛋白质相互作用研究数据。

“这些技术的结合是独特而强大的，因为这是第一次将截然不同的尺度的测量结合起来，” 他说 生物信息学科学家陈宇，同样来自加州大学圣地亚哥分校。

在这样做的过程中，多尺度集成细胞技术（MuSIC）“提高了成像分辨率，同时为蛋白质相互作用提供了空间维度，为将不同类型的数据整合到蛋白质水平的细胞图谱中铺平了道路，”Chen、Edker 及其同事 写.

需要明确的是，这项研究是非常初步的：该团队专注于验证他们的方法，并仅检查了来自单一细胞类型的 661 种蛋白质的可用数据，科学家们在实验室中培养了五年的肾细胞系。

研究人员计划将他们的新方法应用于其他细胞类型， 他说 埃德克。

但与此同时，我们必须谦虚地接受我们只是细胞内的入侵者，能够理解整体的一小部分。 蛋白质.

“最终，通过比较健康细胞和患病细胞之间的差异，我们可能能够更好地了解许多疾病的分子基础，” 他说 埃德克。

该研究发表在 脾气本性.