|
细胞的结构及其成分在很大程度上是通过蛋白质荧光成像和蛋白质生物物理关联等方法探索的。现在，研究人员结合显微镜、生物化学和人工智能技术，通过揭示以前未知的细胞成分来促进对细胞的理解。研究人员将人类蛋白质图谱中的免疫荧光图像与BioPlex中的亲和纯化相结合，以创建人类细胞结构的统一层次图。在这样做的过程中，他们采取了他们认为可能证明在理解人类细胞方面取得了重大飞跃的成果。 研究人员使用的方法称为多尺度集成细胞（MuSIC），在《Nature》杂志的论文“A multi-scale map of cell structure fusing protein images and interactions”中有所描述。 “如果你想象一个细胞，你可能会想象出细胞生物学教科书中的彩色图表，包括线粒体、内质网和细胞核。但这就是故事的全部吗？绝对不是。”加州大学圣地亚哥分校医学院和摩尔斯癌症中心教授Trey Ideker博士说，“科学家们早就意识到，我们不知道的比我们知道的要多，但现在我们终于找到了深入研究的方法。” 新开发的图谱，称为多尺度集成细胞（MuSIC 1.0），解析了人类肾脏细胞系中包含的69个亚细胞系统，其中大约一半以前从未见过。在一个例子中，该图谱揭示了一种前核糖体RNA加工组装和辅助因子，研究人员显示这些因素控制着rRNA的成熟，以及SRRM1和FAM120C在染色质中的功能作用和RPS3A在剪接中的功能作用。 该团队，包括瑞典斯德哥尔摩KTH皇家理工学院的Emma Lundberg博士，多年来一直对绘制细胞内部工作原理图感兴趣。现在，MuSIC使用深度学习直接从细胞显微镜图像中绘制细胞图。 “这些技术的结合是独特而强大的，因为这是第一次将不同尺度的测量结果结合在一起。”Ideker实验室的研究生Yue Qin说。 借助显微镜，科学家可以看到低至一微米的水平，大约是一些细胞器的大小，例如线粒体。从单一蛋白质开始的生物化学技术使科学家们能够深入到纳米级。“但是如何弥合从纳米到微米的差距呢？长期以来，这一直是生物科学领域的一大障碍。”研究人员说，“事实证明，你可以通过人工智能来实现这一点，人工智能可以查看来自多个来源的数据，并要求系统将其组装成一个细胞模型。” 该团队训练了MuSIC人工智能平台来查看所有数据并构建细胞模型。系统还没有将细胞内容映射到特定的位置，比如教科书上的图表，部分原因是它们的位置不一定是固定的。相反，组件位置是可变的，并且会根据细胞类型和情况而变化。 研究人员指出，这是一项测试MuSIC的初步研究。他们只研究了661种蛋白质和一种细胞类型。“明确的下一步工作是彻底覆盖整个人类细胞，然后转移到不同的细胞类型、人群和物种。最终，通过比较健康细胞和患病细胞之间的差异，我们或许能够更好地了解许多疾病的分子基础。”  |
|
|
来自： 昵称32772025 > 《待分类》
