Neue KI-Technik enthüllt, dass wir vielleicht nicht einmal die Hälfte dessen kennen, was in unseren Zellen steckt
Technik deckt bisher unbekannte Zellbestandteile auf, die neue Hinweise auf die menschliche Entwicklung und Krankheit liefern könnten
UC San Diego Health Sciences
Durch die Kombination von Mikroskopie, biochemischen Verfahren und künstlicher Intelligenz haben Forscher der University of California San Diego School of Medicine und ihre Mitarbeiter einen bedeutenden Schritt zum Verständnis menschlicher Zellen getan, wie sie glauben.
Die Technik, die als Multi-Scale Integrated Cell (MuSIC) bezeichnet wird, wurde am 24. November 2021 in Nature beschrieben.
"Wenn Sie sich eine Zelle vorstellen, haben Sie wahrscheinlich das bunte Diagramm in Ihrem Zellbiologie-Lehrbuch vor Augen, mit Mitochondrien, endoplasmatischem Retikulum und Zellkern. Aber ist das die ganze Geschichte? Definitiv nicht", sagt Trey Ideker, PhD, Professor an der UC San Diego School of Medicine und am Moores Cancer Center. "Wissenschaftler haben schon lange erkannt, dass es mehr gibt, was wir nicht wissen, als wir wissen, aber jetzt haben wir endlich eine Möglichkeit, tiefer zu blicken.
Ideker leitete die Studie zusammen mit Emma Lundberg, PhD, von der Königlichen Technischen Hochschule (KTH) in Stockholm, Schweden, und der Stanford University.
In der Pilotstudie entdeckte MuSIC etwa 70 Komponenten in einer menschlichen Nierenzelllinie, von denen die Hälfte noch nie zuvor gesehen worden war. In einem Beispiel entdeckten die Forscher eine Gruppe von Proteinen, die eine unbekannte Struktur bildeten. In Zusammenarbeit mit ihrem Kollegen Gene Yeo, PhD, von der UC San Diego stellten sie schließlich fest, dass es sich bei der Struktur um einen neuen Proteinkomplex handelt, der RNA bindet. Der Komplex ist wahrscheinlich am Spleißen beteiligt, einem wichtigen zellulären Vorgang, der die Übersetzung von Genen in Proteine ermöglicht und dazu beiträgt, zu bestimmen, welche Gene zu welchem Zeitpunkt aktiviert werden.
Das Innere von Zellen - und die vielen Proteine, die dort zu finden sind - wird normalerweise mit einer von zwei Techniken untersucht: mit bildgebenden Verfahren unter dem Mikroskop oder durch biophysikalische Assoziation. Bei der Bildgebung fügen die Forscher den Proteinen, die sie interessieren, fluoreszierende Markierungen in verschiedenen Farben hinzu und verfolgen ihre Bewegungen und Assoziationen im Sichtfeld des Mikroskops. Um biophysikalische Assoziationen zu untersuchen, können Forscher einen für ein Protein spezifischen Antikörper verwenden, um es aus der Zelle herauszuziehen und zu sehen, was sonst noch an ihm hängt.
Das Team ist seit vielen Jahren daran interessiert, das Innenleben von Zellen zu kartieren. Das Besondere an MuSIC ist der Einsatz von Deep Learning, um die Zelle direkt aus den Bildern der Zellmikroskopie abzubilden.
"Die Kombination dieser Technologien ist einzigartig und leistungsfähig, weil zum ersten Mal Messungen in ganz unterschiedlichen Maßstäben zusammengeführt werden", sagte der Erstautor der Studie, Yue Qin, ein Doktorand für Bioinformatik und Systembiologie in Idekers Labor.
Mikroskope ermöglichen es den Wissenschaftlern, bis auf die Ebene eines einzelnen Mikrometers hinunterzublicken, was in etwa der Größe einiger Organellen, wie z. B. Mitochondrien, entspricht. Kleinere Elemente, wie einzelne Proteine und Proteinkomplexe, lassen sich mit einem Mikroskop nicht erkennen. Biochemische Verfahren, die mit einem einzelnen Protein beginnen, ermöglichen es den Wissenschaftlern, bis in den Nanometerbereich vorzudringen. (Ein Nanometer ist ein Milliardstel eines Meters oder 1.000 Mikrometer.)
"Aber wie überbrückt man die Lücke vom Nanometer- zum Mikrometermaßstab? Das war lange Zeit eine große Hürde in den Biowissenschaften", sagt Ideker, der auch Gründer der UC Cancer Cell Map Initiative und des UC San Diego Center for Computational Biology and Bioinformatics ist. "Es hat sich herausgestellt, dass man das mit künstlicher Intelligenz machen kann - man schaut sich Daten aus verschiedenen Quellen an und bittet das System, sie zu einem Modell einer Zelle zusammenzusetzen."
Das Team trainierte die MuSIC-Plattform für künstliche Intelligenz darauf, alle Daten zu betrachten und ein Modell der Zelle zu erstellen. Das System ordnet die Zellinhalte noch nicht bestimmten Orten zu, wie es in einem Lehrbuchdiagramm der Fall ist, zum Teil deshalb, weil die Orte nicht unbedingt fest sind. Stattdessen sind die Positionen der Komponenten fließend und ändern sich je nach Zelltyp und Situation.
Ideker wies darauf hin, dass es sich um eine Pilotstudie zum Testen von MuSIC handelt. Es wurden nur 661 Proteine und ein Zelltyp untersucht.
"Der nächste Schritt besteht eindeutig darin, die gesamte menschliche Zelle zu durchforsten", sagte Ideker, "und dann zu anderen Zelltypen, Menschen und Arten überzugehen. Schließlich könnten wir die molekularen Grundlagen vieler Krankheiten besser verstehen, indem wir vergleichen, was sich zwischen gesunden und kranken Zellen unterscheidet."
Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.