نیمی از آنچه در سلول های شما است شناسایی نمی شود – zomit


هر سلول در بدن انسان حاوی مجموعه بزرگی از پروتئین است. آنها به سمت جلو حرکت می کنند، به سرعت دور هم جمع می شوند تا بخورند، بسته بندی کنند، حمل کنند، برش دهند و بازیافت کنند تا شما را زنده نگه دارند و عملکردهای فیزیکی خود را حفظ کنند. با این حال، بدون فهرست کاملی از پروتئین‌های سلول‌های ما، برای دانشمندان دشوار است که بفهمند در سطح مولکولی در بدن چه می‌گذرد که باعث بیماری می‌شود.

محققان اکنون تکنیک جدیدی را توسعه داده اند که از هوش مصنوعی برای ترکیب داده های تصاویر میکروسکوپی تک سلولی و تجزیه و تحلیل های بیوشیمیایی برای ایجاد نقشه یکپارچه از ترکیبات درون سلولی استفاده می کند. در نتیجه، به نظر می رسد که تا به حال نیمی از آنها را ندیده ایم.

تری ایلکردانشمندان مدت‌هاست متوجه شده‌اند که نادانی بیش از آنچه ما می‌دانیم وجود دارد؛ اما اکنون راهی برای نگاه عمیق‌تر داریم.»

میکروسکوپ ها به دانشمندان اجازه می دهند تا درون سلول را تا سطح اندام هایی مانند میتوکندری (کمپلکس های انرژی سلولی) و ریبوزوم ها (کارخانه های پروتئین) بررسی کنند. ما همچنین می‌توانیم از رنگ‌های فلورسنت برای برچسب‌گذاری و ردیابی پروتئین‌ها استفاده کنیم، و تکنیک‌های بیوشیمیایی امکان مطالعه عمیق را فراهم می‌کنند. برای مثال، با استفاده از آنتی‌بادی‌های هدفمند متصل به پروتئین‌های خاص، می‌توان پروتئین‌ها را با دقت بیشتری بررسی کرد، از سلول‌ها استخراج کرد و چه چیز دیگری به آنها متصل است.

ترکیب این دو روش برای زیست شناسان سلولی یک چالش است. ادکار توضیح می دهد:

چگونه می توان فاصله بین نانومتر و میکرون را پر کرد؟ این مدت طولانی است که یک مانع بزرگ در زیست شناسی بوده است. اما اکنون می توانید این کار را با استفاده از هوش مصنوعی انجام دهید. داده‌های منابع مختلف را در نظر بگیرید و از سیستم بخواهید که در یک مدل سلولی با هم قرار بگیرند.

سرانجام، آیدکار و همکارانش سلول‌ها را نقشه‌برداری کردند، شبکه پیچیده‌ای از برهمکنش‌های بین پروتئین‌ها را نشان دادند و آنها را بر اساس فواصل کوتاه بین آنها مرتب کردند.

نمای کلاسیک مقطع سلول یوکاریوتی

داده‌های کتابخانه اطلس پروتئین انسانی و نقشه‌های موجود از تعاملات پروتئین جمع‌آوری شد و وظیفه اندازه‌گیری فاصله بین جفت‌های پروتئین به الگوریتم‌های هوش مصنوعی سپرده شد. هدف شناسایی جامعه پروتئین هایی بود که با هم در سلول ها در مقیاس های مختلف زندگی می کنند. از مجموعه های بسیار کوچک (کمتر از پنجاه نانومتر) تا مجموعه های بسیار بزرگ (بیش از یک میکرومتر).

الگوریتم ها ابتدا با استفاده از یک کتابخانه مرجع از پروتئین ها با قطرهای شناخته شده یا تقریبی آموزش داده شدند و سپس با آزمایش های بیشتر اعتبار سنجی شدند. در نهایت، حدود 70 جامعه پروتئینی توسط الگوریتم طبقه بندی شدند. نیمی از اجزای پروتئین شناخته شده ظاهراً برای علم ناشناخته هستند و هرگز در مقالات منتشر شده ثبت نشده اند.

در این ترکیب، گروهی از پروتئین ها وجود داشتند که ساختاری ناآشنا را تشکیل می دادند. این مجموعه ممکن است مسئول اصلاح و برش کپی های جدید کد ژنتیکی مورد استفاده برای ساخت پروتئین باشد. سایر پروتئین های نقشه برداری شده شامل سیستم انتقال غشایی است که منابع را در داخل و خارج سلول پمپاژ می کند. همچنین، خانواده‌های پروتئینی به سازماندهی کروموزوم‌های بزرگ‌تر که مسئول تولید پروتئین بیشتر هستند و شناسایی کمپلکس‌های پروتئینی کمک می‌کنند.

این اولین بار نیست که دانشمندان تلاش می کنند تا عملکردهای داخلی سلول های انسانی را ترسیم کنند. تلاش‌های دیگر برای ایجاد نقشه‌های مرجع از تعاملات پروتئینی اعداد مشابهی را به همراه داشته است و محققان تلاش کرده‌اند سطح پروتئین را در بافت‌های بدن اندازه‌گیری کنند. آنها همچنین تکنیک هایی را برای تصویربرداری و ردیابی فعل و انفعالات و حرکات پروتئین ها در سلول ها توسعه داده اند.

مقالات مرتبط:

مطالعه تجربی کنونی یک گام فراتر رفته و از یادگیری ماشینی برای ترکیب تصاویر میکروسکوپی سلول‌هایی که پروتئین‌ها را نسبت به اجزای سلولی بزرگ‌تر مانند هسته‌ها نگهداری می‌کنند، با داده‌های پروتئین‌هایی که با نزدیک‌ترین همسایه‌های پروتئین در مقیاس نانو در تعامل هستند، استفاده می‌کند.

تو می توانییک کارشناس بیوانفورماتیک در دانشگاه کالیفرنیا می گوید: ترکیب این فناوری ها منحصر به فرد و قدرتمند است. زیرا این اولین بار است که اندازه گیری ها در مقیاس بسیار متفاوتی با هم ترکیب می شوند.

تکنیک جدید (MuSIC) وضوح تصویر را افزایش می‌دهد و بعد فضایی به تعاملات پروتئینی می‌دهد و راه را برای تجمع داده‌های مختلف در قالب نقشه‌هایی که پروتئوم‌های سلولی (کمپلکس‌های پروتئین کل سلول) را نشان می‌دهند، هموار می‌کند. این تحقیق هنوز بسیار مقدماتی است. همانطور که محققان بر روی اعتبارسنجی روش خود متمرکز شدند، آنها به داده های 661 پروتئین از نوع سلولی (کلاسی از سلول های کلیه) که برای دهه ها در آزمایشگاه کشت شده بودند، نگاه کردند.

محققان قصد دارند این روش جدید را برای انواع دیگر سلول ها نیز به کار گیرند. اما در عین حال، باید متواضعانه اذعان کنیم که در حال حاضر، تنها می‌توانیم بخش کوچکی از کل پروتئوم سلول‌های خود را درک کنیم. ادکار می گوید: «در نهایت، ما می توانیم اساس مولکولی بسیاری از بیماری ها را با مقایسه تفاوت بین سلول های سالم و بیمار بهتر درک کنیم.

این مطالعه در مجله Nature منتشر شده است.


تمامی اخبار به صورت تصادفی و رندومایز شده پس از بازنویسی رباتیک در این سایت منتشر شده و هیچ مسئولتی در قبال صحت آنها نداریم