Shock AI Discovery 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 se agrupan, se ensamblan, doblan, empaquetan, envían, cortan y reciclan rápidamente en una colmena de actividad que trabaja a un ritmo febril para mantenernos vivos y activos.

Pero sin un inventario completo del universo de proteínas dentro de nuestras células, los científicos tienen dificultades para apreciar a nivel molecular qué es lo que falla en nuestros cuerpos y conduce a la enfermedad.

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

«Los científicos han entendido durante mucho tiempo que hay más cosas que no sabemos de las que sabemos, pero ahora finalmente tenemos una manera de mirar más a fondo». Él dice el científico informático y biólogo de redes Trey Ideker de la Universidad de California (UC) en San Diego.

Los microscopios, por muy poderosos que sean, permiten a los científicos observar el interior de las células individuales, hasta el nivel de orgánulos como las mitocondrias, las baterías de energía de las células y los ribosomas, las fábricas de proteínas. También podemos agregar tintes fluorescentes para facilitar el etiquetado y seguimiento de proteínas.

Las técnicas bioquímicas pueden profundizar aún más, centrándose en proteínas individuales utilizando, por ejemplo, proteínas específicas. anticuerpos unen la proteína, la extraen de la célula y ven qué más se le une.

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

«¿Cómo podemos salvar esta brecha de la nanoescala a la escala de micras? Este ha sido durante mucho tiempo un gran obstáculo en las ciencias de la vida», explica Creador.

«Resulta que puede hacer esto con inteligencia artificial, examinando datos de múltiples fuentes y pidiendo al sistema que los monte en un modelo de célula».

El resultado: Ideker y sus colegas voltearon mapas de libros de texto de células globulares que nos dan una vista de pájaro de orgánulos de color caramelo en una intrincada red de interacciones proteína-proteína, organizadas por las pequeñas distancias entre ellas.

Vista clásica de una sección transversal eucariota. (Mariana Ruiz / LadyofHats / Wikimedia)

Al fusionar datos de imágenes de una biblioteca llamada Human Protein Atlas y mapas existentes de interacciones de proteínas, el aprendizaje automático El algoritmo tenía la tarea de calcular las distancias entre los pares de proteínas.

El objetivo era identificar comunidades de proteínas, llamadas ensamblajes, que coexisten en células a diferentes escalas, desde muy pequeñas (menos de 50 nm) hasta muy «grandes» (más de 1 μm).

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

Aproximadamente la mitad de los componentes proteicos identificados aparentemente son desconocidos para la ciencia, nunca documentados en la literatura publicada, los investigadores sugerir.

En la mezcla había un grupo de proteínas que formaban una estructura desconocida, que los investigadores encontraron que probablemente sea la responsable articulación y trocear las nuevas transcripciones del código genético utilizado para producir las proteínas.

Otras proteínas mapeadas incluyeron sistemas de transporte transmembrana que bombean suministros dentro y fuera de las células, familias de proteínas que ayudan a organizar cromosomas voluminosos y complejos de proteínas cuyo trabajo es producir, bueno, más proteínas.

Sin embargo, un gran esfuerzo no es la primera vez que los científicos intentan mapear el funcionamiento interno de las células humanas.

Otros esfuerzos para crear mapas de referencia de interacciones de proteínas han dado como resultado números igualmente alucinantes y traté de medir los niveles de proteína a través de los tejidos del cuerpo humano.

Los investigadores también desarrollaron técnicas para visualizar y monitorear la interacción y el movimiento de las proteínas en las células.

Este estudio piloto va un paso más allá al aplicar el aprendizaje automático a imágenes de microscopía celular que ubican proteínas frente a grandes puntos de referencia celulares como el núcleo y a datos de estudios de interacción de proteínas que identifican a los vecinos más cercanos en la nanoescala de una proteína.

«La combinación de estas tecnologías es única y poderosa porque es la primera vez que se reúnen mediciones en escalas muy diferentes». Él dice bioinformático Yue Qin, también de UC San Diego.

Al hacerlo, la técnica de célula integrada multiescala o MuSIC «aumenta la resolución de las imágenes al dar a las interacciones de proteínas una dimensión espacial, allanando el camino para incorporar diferentes tipos de datos en mapas de células a nivel de proteoma», Qin, Ideker y sus colegas escribir.

Para ser claros, esta investigación es muy preliminar: el equipo se centró en validar su método y solo examinó los datos disponibles de 661 proteínas en un tipo de célula, una línea de células renales que los científicos cultivaron en el laboratorio durante cinco décadas.

Los investigadores tienen la intención de aplicar su técnica innovadora a otros tipos de células, Él dice Creador.

Pero mientras tanto tendremos que aceptar humildemente que somos meros intrusos dentro de nuestras propias células, capaces de comprender una pequeña fracción del total. proteoma.

«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 Creador.

El estudio fue publicado en Naturaleza.