El descubrimiento del impacto de la IA sugiere que ni siquiera hemos descubierto la mitad de lo que hay dentro de nuestras células

Dentro de cada célula del cuerpo humano hay una constelación de proteínas. Millones de ellos. Todos están luchando, ensamblados, doblados, empacados, enviados, triturados y rápidamente reciclados en una colmena de actividad que trabaja a un ritmo frenético para mantenernos vivos y con energía.

Pero sin un inventario completo del universo de proteínas dentro de nuestras células, los científicos están bajo una intensa presión para estimar qué, a nivel molecular, sale mal en nuestros cuerpos que conduce a la enfermedad.

Ahora, los investigadores han desarrollado una nueva técnica que utiliza Inteligencia artificial Para asimilar datos de imágenes microscópicas de células individuales y análisis bioquímicos, para crear un «mapa estandarizado» de componentes celulares, la mitad de los cuales, resulta, nunca antes habíamos visto.

«Los científicos han reconocido desde hace mucho tiempo que hay más cosas que no sabemos de las que sabemos, pero ahora tenemos una forma de mirar más a fondo». Él dice El científico informático y biólogo de redes Trey Edecker de la Universidad de California (UC) San Diego.

Los microscopios, aunque son poderosos, permiten a los científicos observar el interior de las células individuales, hasta el nivel de los orgánulos como las mitocondrias, los paquetes de energía de las células y los ribosomas, las fábricas de proteínas. Incluso podemos agregar tintes fluorescentes para marcar y rastrear proteínas fácilmente.

Las técnicas bioquímicas pueden profundizar aún más, afinando proteínas individuales utilizando, por ejemplo, Anticuerpos Eso une la proteína, la saca de la célula y ve a qué más se adhiere.

La integración de estos dos enfoques es un desafío para los biólogos celulares.

«¿Cómo se cierra esta brecha entre la escala nanométrica y la escala micrométrica? Siempre ha sido un gran obstáculo en las ciencias biológicas». explicar Edeker.

«Resulta que se puede hacer esto con IA: mirar datos de múltiples fuentes y pedirle al sistema que los agregue en un modelo celular».

El resultado: Edeker y sus colegas voltearon mapas de libros de texto de células esféricas que nos brindan una descripción general de los orgánulos de color caramelo en una intrincada red de interacciones proteína-proteína, reguladas por los pequeños espacios entre ellos.

Vista transversal clásica de eucariotas. (Mariana Ruiz / LadyOfficials / Wikimedia)

Incorporando datos de imágenes de una biblioteca llamada Human Protein Atlas y mapas existentes de interacciones de proteínas, aprendizaje automático El algoritmo se encargó de calcular las distancias entre pares de proteínas.

El objetivo era identificar comunidades de proteínas, llamadas agregados, que coexisten en las células a diversas escalas, desde muy pequeñas (<50 nm) hasta muy "grandes" (más de 1 μm).

El algoritmo clasificó una población tímida de 70 comunidades de proteínas, que se entrenó utilizando una biblioteca de referencia de proteínas con diámetros conocidos o estimados, y se validó mediante experimentos adicionales.

La mitad de los componentes proteicos identificados parecen desconocidos para la ciencia y nunca se han documentado en la literatura publicada, según los investigadores. Sugerir.

En la mezcla, un grupo de proteínas formó una estructura desconocida, que los investigadores concluyeron que probablemente sea la responsable Conectividad y cortar nuevas copias del código genético que se usa para producir proteínas.

Otras proteínas particulares incluyeron sistemas de transporte transmembrana que bombean suministros dentro y fuera de las células, familias de proteínas que ayudan a organizar los megacromosomas y complejos de proteínas cuyo trabajo es producir más proteínas.

No es la primera vez que los científicos intentan mapear el funcionamiento interno de las células humanas, con tanto esfuerzo.

Otros esfuerzos dieron como resultado la creación de mapas de referencia de interacciones de proteínas. Igualmente números alucinantes y prueba Medir los niveles de proteína a través de los tejidos del cuerpo humano.

Los investigadores también han desarrollado técnicas para visualizar y rastrear la interacción y el movimiento de las proteínas en las células.

Este estudio piloto va más allá al aplicar el aprendizaje automático a imágenes de microscopía celular que identifican proteínas en relación con grandes puntos de referencia celulares, como el núcleo, y datos de estudios de interacción de proteínas que identifican a los nanovecinos más cercanos de una proteína.

«La combinación de estas técnicas es única y poderosa porque es la primera vez que se combinan medidas de escalas muy diferentes». Él dice El científico de bioinformática Yu Chen, también de la Universidad de California, San Diego.

Al hacerlo, la tecnología celular integrada de múltiples escalas, o MuSIC, «aumenta la resolución de las imágenes al tiempo que le da a las interacciones de proteínas una dimensión espacial, allanando el camino para incorporar diversos tipos de datos en mapas de células a nivel de proteína», Chen, Edker y sus colegas escribir.

Para ser claros, esta investigación es muy preliminar: el equipo se centró en validar su método y examinó solo los datos disponibles de 661 proteínas en un solo tipo de célula, la línea celular de riñón que los científicos han estado cultivando en el laboratorio durante cinco décadas.

Los investigadores planean aplicar su nuevo método a otros tipos de células, Él dice Edeker.

Pero mientras tanto, tenemos que aceptar humildemente que solo somos intrusos dentro de nuestras células, capaces de dar sentido a una pequeña parte del todo. proteína.

«Con el tiempo, es posible que podamos comprender mejor la base molecular de muchas enfermedades comparando las diferencias entre las células sanas y las enfermas». Él dice Edeker.

El estudio fue publicado en naturaleza temperamental.