在人体的每一个细胞内都有一组蛋白质，数以百万计。它们都在争先恐后地组装、折叠、包装、运输、切割和回收，在一个活动的蜂巢中，以狂热的速度工作，让我们活下去。
但是，如果没有我们细胞内蛋白质宇宙的完整清单，科学家们很难从分子水平上理解导致疾病的身体出了什么问题。
现在，研究人员已经开发出一种新技术，利用人工智能从单个细胞的显微镜图像和生化分析中吸收数据，创建亚细胞成分的“统一地图”——事实证明，其中一半是我们以前从未见过的。
“科学家们早就意识到，我们知道的还有比我们所知的更多，但现在我们终于有了一个更深入的方法，”圣地亚哥加利福尼亚大学（UC）的计算机科学家和网络生物学家Trey Ideker说。
显微镜虽然功能强大，但可以让科学家观察单个细胞内部，甚至细胞器的水平，如线粒体、细胞能量包和核糖体、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。
生物化学技术可以更深入，例如，通过使用结合蛋白质的靶向抗体，将其从细胞中拉出，并观察附着在其上的其他物质，来磨练单个蛋白质。
整合这两种方法对细胞生物学家来说是一个挑战。
艾德克解释说：“如何弥合从纳米到微米的差距？这一直是生物科学领域的一大障碍。”。
“事实证明，你可以用人工智能来实现这一点——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。”
结果：Ideker和同事们将球状细胞的教科书地图翻转过来，让我们鸟瞰糖果色的细胞器，将它们转变成一个复杂的蛋白质-蛋白质相互作用的网络，由它们之间的微小距离组织起来。
显示细胞器横截面的彩色图表
真核生物横截面的经典视图。（玛丽安娜·鲁伊斯/拉迪亚夫哈特/维基媒体）
融合来自人类蛋白质图谱库的图像数据和现有的蛋白质相互作用图谱，机器学习算法的任务是计算蛋白质对之间的距离。
其目标是确定在细胞中以不同规模共存的蛋白质群落，称为组装体，从非常小（小于50 nm）到非常大（大于1μm）。
该算法对70个蛋白质群落中的1个进行分类，使用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。
研究人员指出，大约一半的蛋白质成分似乎是科学上未知的，从未在公开发表的文献中记录过。
在这种混合物中，有一组蛋白质形成了一种不熟悉的结构，研究人员发现这种结构可能负责剪接和切割用于制造蛋白质的基因密码的新转录本。
绘制的其他蛋白质包括向细胞内外输送物质的跨膜转运系统、帮助组织庞大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体。
这是一项巨大的努力，但科学家们试图绘制人类细胞的内部工作原理并不是第一次。
其他创建蛋白质相互作用参考图的努力也产生了类似令人难以置信的数字，并试图测量人体各组织中的蛋白质水平。
研究人员还开发了可视化和跟踪细胞内蛋白质相互作用和运动的技术。
这项初步研究更进一步，将机器学习应用于细胞显微镜图像，该图像定位蛋白质相对于细胞核等大型细胞标志物的位置，以及蛋白质相互作用研究中确定蛋白质最近纳米级邻居的数据。
同样来自加州大学圣地亚哥分校的生物信息学家岳勤说：“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合起来。”。
通过这样做，多尺度集成细胞技术或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组范围的细胞图中铺平了道路，”秦、艾德克及其同事写道。
明确地说，这项研究是非常初步的：研究小组专注于验证他们的方法，只研究了一种细胞类型中661种蛋白质的可用数据，这是科学家在实验室培养了50年的肾细胞系。
Ideker说，研究人员计划将他们的新技术应用于其他类型的细胞。
但与此同时，我们必须谦虚地接受我们只是自己细胞内的闯入者，能够理解总蛋白质组的一小部分。
“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，”艾德克说。
该研究发表在《自然》杂志上。
请登录之后再进行评论