AI知道你的蛋白质去了哪里

研究人员发现，机器学习算法可以仅根据肌动蛋白自身的位置预测肌动蛋白相关蛋白在板足亚细胞和其他亚细胞结构中的位置。这种方法可能有助于快速分析显微镜图像，并有可能替代荧光染色法检测细胞内的蛋白质。

　　

奈良科技研究所(NAIST)的一项新研究显示,机器学习程序可以准确预测蛋白质的位置与肌动蛋白、细胞骨架的重要组成部分,基于肌动蛋白本身的位置。

肌动蛋白在为细胞提供形状和结构方面起着关键作用，并且在细胞运动过程中帮助形成片状足，这是细胞用来“行走”的扇形结构。板足虫还含有大量与肌动蛋白结合的其他蛋白质，以帮助维持扇形结构并保持细胞运动。

该研究的主要作者Shiro Suetsugu说:“虽然人工智能以前已经被用来根据一系列图像预测细胞迁移的方向，但到目前为止，它还没有被用来预测蛋白质的定位。”这个想法是在NAIST数据科学中心与佐藤吉信(Yoshinobu Sato)的讨论中提出的。“因此，我们试图设计一种机器学习算法，可以根据蛋白质与其他蛋白质的关系，确定蛋白质在细胞中的位置。”

为了做到这一点，研究人员训练了一个人工智能系统来预测肌动蛋白相关蛋白在细胞中的位置，方法是向它展示用荧光标记显示蛋白所在位置的细胞图片。然后，他们给程序一些只标记了肌动蛋白的图片，并要求它告诉他们相关蛋白质的位置。

Suetsugu说:“当我们将预测图像与实际图像进行比较时，有相当程度的相似性。”“我们的程序准确预测了三种肌动蛋白相关蛋白在板足虫中的定位;在这些蛋白质的情况下，在细胞内的其他结构中。”

另一方面，当研究人员要求程序预测微管蛋白(与肌动蛋白没有直接关系)在细胞中的位置时，程序的表现几乎没有那么好。

Suetsugu说:“我们的发现表明，机器学习可以用来准确预测功能相关蛋白质的位置，并描述它们之间的物理关系。”

考虑到片状足并不总是容易被非专业人士发现，本研究开发的程序可以用于在未来快速、准确地从细胞图像中识别这些结构。此外，该方法还可作为一种人工细胞染色方法，避免现有细胞染色方法的局限性。

Journal Reference:

1. Kei Shigene, Yuta Hiasa, Yoshito Otake, Mazen Soufi, Suphamon Janewanthanakul, Tamako Nishimura, Yoshinobu Sato, Shiro Suetsugu. Translation of Cellular Protein Localization Using Convolutional Networks. Frontiers in Cell and Developmental Biology, 2021; 9 DOI: 10.3389/fcell.2021.635231