인체의 모든 세포에는 단백질의 집합이 있습니다. 그들 중 수백만. 그것들은 모두 레슬링하고, 조립하고, 접고, 포장하고, 운송하고, 파쇄하고, 우리를 살아 있고 활력을 유지하기 위해 미친 속도로 일하는 활동의 벌집으로 빠르게 재활용됩니다.
그러나 우리 세포 내의 단백질 우주에 대한 완전한 목록이 없으면 과학자들은 분자 수준에서 질병을 유발하는 우리 몸에서 무엇이 잘못되고 있는지 추정해야 한다는 강한 압력을 받고 있습니다.
이제 연구자들은 다음을 사용하는 새로운 기술을 개발했습니다. 인공 지능 단일 세포 및 생화학적 분석의 현미경 이미지로부터 데이터를 동화하여 세포 구성요소의 “표준화된 지도”를 생성하기 위해 – 그 중 절반은 이전에 본 적이 없는 것으로 밝혀졌습니다.
“과학자들은 우리가 아는 것보다 모르는 것이 더 많다는 것을 오랫동안 인식해왔지만 이제 더 깊이 볼 수 있는 방법이 생겼습니다.” 그는 말한다 캘리포니아 대학교(UC) 샌디에이고의 컴퓨터 과학자이자 네트워크 생물학자인 Trey Edecker입니다.
현미경은 강력하지만 과학자들이 세포의 에너지 패킷인 미토콘드리아와 단백질 공장인 리보솜과 같은 소기관 수준까지 개별 세포 내부를 들여다볼 수 있도록 합니다. 단백질을 쉽게 표시하고 추적하기 위해 형광 염료를 추가할 수도 있습니다.
생화학적 기술은 예를 들어 표적을 사용하여 단일 단백질을 선명하게 하여 더 깊이 갈 수 있습니다. 항체 그것은 단백질에 결합하고, 세포 밖으로 그것을 꺼내고, 그것이 붙는 다른 것을 봅니다.
이 두 가지 접근 방식을 통합하는 것은 세포 생물학자들에게 어려운 일입니다.
“나노미터 규모에서 마이크론 규모로 이 격차를 어떻게 메울 수 있습니까? 생물학에서는 항상 큰 장애물이었습니다.” 설명 에데커.
“AI로 이를 수행할 수 있다는 것이 밝혀졌습니다. 여러 소스의 데이터를 보고 시스템에 이를 셀 모델로 집계하도록 요청합니다.”
결과: Edeker와 동료들은 구형 세포의 교과서 지도를 뒤집어 단백질-단백질 상호작용의 복잡한 네트워크에서 사탕 색깔의 세포 소기관에 대한 개요를 제공하며, 그 사이의 작은 공간에 의해 조절됩니다.
진핵생물의 고전적인 단면도. (마리아나 루이즈 / LadyOfficials / Wikimedia)
Human Protein Atlas라는 라이브러리의 이미지 데이터와 기존의 단백질 상호 작용 지도를 통합하여 기계 학습 알고리즘은 단백질 쌍 사이의 거리를 계산하는 임무를 맡았습니다.
목표는 매우 작은(<50 nm)에서 매우 '큰'(1μm 이상)에 이르기까지 다양한 규모로 세포에 공존하는 응집체라고 하는 단백질 커뮤니티를 식별하는 것이었습니다.
70개의 단백질 커뮤니티로 구성된 한 수줍은 인구는 알고리즘에 의해 분류되었으며, 이 알고리즘은 직경이 알려지거나 추정된 참조 라이브러리를 사용하여 훈련되었으며 추가 실험을 통해 검증되었습니다.
확인된 단백질 성분의 절반은 과학에 알려지지 않은 것으로 보이며, 연구원에 따르면 출판된 문헌에 기록된 적이 없습니다. 제안하다.
믹스에서 한 그룹의 단백질이 생소한 구조를 형성했으며 연구자들은 이것이 가장 가능성이 높다고 결론지었습니다. 연결성 그리고 단백질을 만드는 데 사용되는 유전자 코드의 새로운 복사본을 자르는 것입니다.
다른 특정 단백질에는 세포 안팎으로 공급을 펌핑하는 막횡단 수송 시스템, 거대 염색체를 구성하는 데 도움이 되는 단백질 군, 더 많은 단백질을 만드는 역할을 하는 단백질 복합체가 포함됩니다.
과학자들이 그렇게 많은 노력을 들여 인간 세포의 내부 작용을 매핑하려고 시도한 것은 이번이 처음이 아닙니다.
다른 노력으로 단백질 상호 작용의 참조 맵이 생성되었습니다. 마찬가지로 놀라운 숫자 그리고 시도 단백질 수준 측정 인체의 조직을 통해
연구원들은 또한 세포에서 단백질의 상호작용과 움직임을 시각화하고 추적하는 기술을 개발했습니다.
이 파일럿 연구는 핵과 같은 큰 세포 랜드마크와 관련하여 단백질을 식별하는 세포 현미경 이미지와 단백질의 가장 가까운 나노 이웃을 식별하는 단백질 상호 작용 연구의 데이터에 머신 러닝을 적용하여 한 걸음 더 나아갑니다.
“이러한 기술의 조합은 매우 다른 규모의 측정이 결합된 것은 처음이기 때문에 독특하고 강력합니다.” 그는 말한다 생물정보학 과학자인 Yu Chen도 캘리포니아 대학교 샌디에이고에 있습니다.
이렇게 함으로써 다중 스케일 통합 세포 기술(MuSIC)은 “단백질 상호작용에 공간적 차원을 부여하면서 이미징 해상도를 증가시켜 다양한 유형의 데이터를 단백질 수준 세포 지도에 통합할 수 있는 길을 열어줍니다”라고 Chen, Edker 및 동료들이 말했습니다. 쓰다.
분명히, 이 연구는 매우 예비적입니다. 팀은 방법 검증에 중점을 두었고 과학자들이 실험실에서 50년 동안 성장시킨 신장 세포주인 단일 세포 유형의 661개 단백질에서 사용 가능한 데이터만 조사했습니다.
연구원들은 그들의 새로운 방법을 다른 세포 유형에 적용할 계획입니다. 그는 말한다 에데커.
그러나 그동안 우리는 우리가 전체의 작은 부분을 이해할 수 있는 세포 내부의 침입자일 뿐이라는 것을 겸손하게 받아들여야 합니다. 단백질.
“결국 우리는 건강한 세포와 병든 세포의 차이점을 비교함으로써 많은 질병의 분자적 기초를 더 잘 이해할 수 있을 것입니다.” 그는 말한다 에데커.
연구는 성질.
“경순은 통찰력 있고 사악한 사상가로, 다양한 음악 장르에 깊은 지식을 가지고 있습니다. 힙스터 문화와 자연스럽게 어우러지는 그의 스타일은 독특합니다. 그는 베이컨을 좋아하며, 인터넷 세계에서도 활발한 활동을 보여줍니다. 그의 내성적인 성격은 그의 글에서도 잘 드러납니다.”