درک ناشناخته‌های سلول به کمک هوش مصنوعی
بیشتر بیماری‌ها را می‌توان در بخش‌های ناکارآمد سلول ردیابی کرد. به عنوان مثال؛ تومور می‌تواند رشد کند زیرا یک ژن به طور دقیق به پروتئین خاصی ترجمه نشده است یا یک بیماری متابولیکی به وجود می‌آید، چون میتوکندری‌ها به درستی فعال نمی‌شوند. اما برای درک این‌که چه قسمت‌هایی از یک سلول ممکن است در یک بیماری نقش داشته باشند، دانشمندان باید ابتدا فهرست کاملی از قطعات سلول را داشته باشند.
محققان دانشکده پزشکی سن دیگو و دانشگاه کالیفرنیا با ترکیب میکروسکوپ، تکنیک‌های بیوشیمی و هوش مصنوعی برای درک سلول‌های انسانی قدم بزرگی برداشته‌اند. این تکنیک که به عنوان مجتمع سلولی چند مقیاسی (MuSIC) شناخته می‌شود، در ۲۴ نوامبر ۲۰۲۱ در مجلهٔ Nature شرح داده شده است.
اگر یک سلول را تصور کنید، احتمالاً نمودار رنگارنگ کتاب درسی زیست‌شناسی سلولی خود را با میتوکندری، شبکه آندوپلاسمی و هسته تصور می‌کنید. اما آیا تمام ماجرا همین است؟ قطعاً نه. دانشمندان مدت‌هاست متوجه شده‌اند که چیزهای زیادی وجود دارد که ما نمی‌دانیم، اما اکنون بالاخره راهی برای بررسی عمیق‌تر یافته‌اند.
در یک مطالعهٔ آزمایشی، MuSIC تقریباً ۷۰ جزء موجود در رده سلولی کلیه انسان را نشان داد که نیمی از آن‌ها قبلاً هرگز دیده نشده بودند. به عنوان مثال، محققان گروهی از پروتئین‌ها را مشاهده کردند که ساختاری ناآشنا را تشکیل می‌دادند. آن‌ها در نهایت ساختار را به عنوان یک مجموعه جدید از پروتئین‌ها تعیین کردند که به RNA متصل می‌شود. این کمپلکس احتمالاً در پیرایش نقش دارد، یک رویداد مهم سلولی که امکان ترجمه ژن‌ها به پروتئین‌ها را فراهم می‌کند و به تعیین این‌که کدام ژن در چه زمان‌هایی فعال می‌شوند، کمک می‌کند.
درون سلول‌ها و پروتئین‌های زیادی که در آن‌جا یافت می‌شوند، معمولاً با استفاده از یکی از تکنیک‌های تصویربرداری میکروسکوپی یا ارتباط بیوفیزیکی مورد مطالعه قرار می‌گیرند. در روش تصویربرداری، برچسب‌های فلورسنت با رنگ‌های مختلف به پروتئین‌های مورد نظر اضافه می‌شوند و حرکات و ارتباطات آن‌ها در میدان دید میکروسکوپ دنبال می‌شوند. در روش ارتباط بیوفیزیکی، با استفاده از یک آنتی‌بادی خاص، پروتئین را از سلول بیرون می‌کشند تا ببینند چه چیز دیگری به آن متصل است.
این تیم سال‌هاست که علاقه‌مند به نقشه برداری از عملکرد درونی سلول‌ها بوده است. چیزی که در مورد MuSIC متفاوت است، استفاده از یادگیری عمیق برای نقشه برداری از سلول به طور مستقیم از تصاویر میکروسکوپ سلولی است. نویسندهٔ اول این مطالعه گفته است: « ترکیب این فناوری‌ها منحصر به فرد و قدرتمند است زیرا این اولین بار است که اندازه گیری‌ها در مقیاس‌های بسیار متفاوت با هم جمع می‌شوند.»
میکروسکوپ‌ها به دانشمندان این امکان را می‌دهند که تا سطح یک میکرون، تقریباً به اندازه برخی از اندامک‌ها، مانند میتوکندری، را ببینند. عناصر کوچکتر مانند پروتئین‌ها و مجتمع‌های پروتئینی را نمی‌توان از طریق میکروسکوپ مشاهده کرد. تکنیک‌های بیوشیمی که با یک پروتئین شروع می‌شوند، به دانشمندان اجازه می‌دهند تا به مقیاس نانومتری برسند. (یک نانومتر یک میلیاردم متر یا 1000 میکرون است.)
اما چگونه می‌توان این شکاف از مقیاس نانومتری به مقیاس میکرونی را درک کرد؟ یکی از محققان این تیم گفت: «این موضوع برای مدت طولانی یک مانع بزرگ در علوم زیستی بوده است. اکنون معلوم شده است که می‌توان این کار را با هوش مصنوعی انجام داد. داده‌های منابع متعدد را نگاه کنید و از سیستم بخواهید آن‌ها را در مدلی از یک سلول جمع کند.»
این تیم پلتفرم هوش مصنوعی MuSIC را برای بررسی تمام داده‌ها و ساخت مدلی از سلول آموزش دادند. سیستم هنوز محتویات سلول را به مکان‌های خاصی نگاشت نمی‌کند، تا حدی به این دلیل که مکان آن‌ها لزوماً ثابت نیست. در عوض، مکان اجزاء سیال است و بسته به نوع سلول و موقعیت تغییر می‌کند.
این مطالعهٔ آزمایشی MuSIC بود. آن‌ها فقط ۶۶۱ پروتئین و یک نوع سلول را بررسی کرده‌اند. گام بعدی این است که، کل سلول‌های انسان را با این روش بررسی کنند و سپس انواع سلول‌ها، افراد و گونه‌های مختلف را مطالعه کنند. در نهایت، ممکن است بتوانند با مقایسه تفاوت بین سلول‌های سالم و بیمار، اساس مولکولی بسیاری از بیماری‌ها را بهتر درک کنند.
منبع:
https://scitechdaily.com/ai-reveals-previously-unknown-biology-we-might-not-know-half-of-whats-in-our-cells/
لینک مقاله:
https://www.nature.com/articles/s41586-021-04115-9
کلید واژه ها:
#Artificial Intelligence
#Bioinformatics
#Cell Biology
#MuSIC
#codecool