Em cada célula do corpo humano existe uma constelação de proteínas. Milhões deles. Todos eles lutam, enquanto são montados, dobrados, embalados, despachados, cortados e rapidamente reciclados em uma colmeia de atividade que funciona em um ritmo frenético para nos manter vivos e energizados.
Mas, sem um inventário completo do universo de proteínas dentro de nossas células, os cientistas estão sob intensa pressão para estimar o que, em nível molecular, está errado em nossos corpos que leva à doença.
Agora, os pesquisadores desenvolveram uma nova técnica que usa Inteligência artificial Para assimilar dados de imagens microscópicas de células individuais e análises bioquímicas, para criar um “mapa uniforme” de componentes celulares – metade dos quais, ao que parece, nunca vimos antes.
“Os cientistas reconheceram há muito tempo que há mais coisas que não sabemos do que sabemos, mas agora temos uma maneira de olhar mais profundamente.” Ele diz O cientista da computação e biólogo de redes Trey Edecker da University of California (UC) San Diego.
Os microscópios, embora poderosos, permitem que os cientistas examinem o interior de uma única célula, até o nível das organelas, como as mitocôndrias, os pacotes de energia das células, e os ribossomos, as fábricas de proteínas. Podemos até adicionar corantes fluorescentes para marcar e rastrear proteínas facilmente.
As técnicas bioquímicas podem ir ainda mais fundo, afiando proteínas únicas usando, por exemplo, Anticorpos Isso liga a proteína, tira-a da célula e vê a que mais ela se liga.
Integrar essas duas abordagens é um desafio para os biólogos celulares.
“Como você preenche essa lacuna da escala do nanômetro para a escala do mícron? Sempre foi um grande obstáculo nas ciências biológicas,” explique Edeker.
“Acontece que você pode fazer isso com IA – ver dados de várias fontes e pedir ao sistema para agregá-los em um modelo de célula.”
O resultado: Edeker e seus colegas inverteram mapas de células esféricas que nos dão uma visão panorâmica de organelas coloridas em uma rede complexa de interações proteína-proteína, regulada pelos pequenos espaços entre elas.
Visão transversal clássica de eucariotos. (Mariana Ruiz / LadyOfficials / Wikimedia)
Integrar dados de imagem de uma biblioteca chamada Human Protein Atlas e mapas existentes de interações de proteínas, aprendizado de máquina O algoritmo foi encarregado de calcular as distâncias entre os pares de proteínas.
O objetivo era identificar as comunidades de proteínas, chamadas de agregados, que coexistem nas células em várias escalas, desde muito pequenas (<50 nm) até muito 'grandes' (mais de 1 µm).
Uma população tímida de 70 comunidades de proteínas foi classificada pelo algoritmo, que foi treinado usando uma biblioteca de referência de proteínas com diâmetros conhecidos ou estimados e validada por outros experimentos.
Metade dos componentes da proteína identificados parecem desconhecidos para a ciência e nunca foram documentados na literatura publicada, de acordo com os pesquisadores. Sugira.
Na mistura, um grupo de proteínas formou uma estrutura desconhecida, que os pesquisadores concluíram ser provavelmente a responsável Conectividade e cortar novas cópias do código genético usado para fazer proteínas.
Outras proteínas mapeadas incluíram sistemas de transporte transmembrana que bombeiam suprimentos para dentro e para fora das células, famílias de proteínas que ajudam a organizar megaloblastos e complexos de proteínas cujo trabalho é produzir mais proteínas.
Não é a primeira vez que cientistas tentam mapear o funcionamento interno das células humanas, com tanto esforço.
Outros esforços resultaram na criação de mapas de referência de interações de proteínas Da mesma forma, números alucinantes e tentar Medindo os níveis de proteína através dos tecidos do corpo humano.
Os pesquisadores também desenvolveram técnicas para visualizar e rastrear a interação e o movimento das proteínas nas células.
Este estudo piloto vai além, aplicando aprendizado de máquina a imagens de microscopia celular que identificam proteínas em relação a grandes marcos celulares, como o núcleo, e dados de estudos de interação de proteínas que identificam os nano-vizinhos mais próximos das proteínas.
“A combinação dessas técnicas é única e poderosa porque é a primeira vez que medições de escalas muito diferentes foram combinadas,” Ele diz O cientista de bioinformática Yu Chen, também da Universidade da Califórnia, em San Diego.
Ao fazer isso, a Multi-Scale Integrated Cell Technology, ou MuSIC, “aumenta a resolução da imagem enquanto dá às interações de proteínas uma dimensão espacial, abrindo caminho para a incorporação de diversos tipos de dados em mapas de células em nível de proteína”, Chen, Edker e colegas escrever.
Para ficar claro, esta pesquisa é muito preliminar: a equipe se concentrou em validar seu método e examinou apenas os dados disponíveis de 661 proteínas em um único tipo de célula, a linhagem de células renais que os cientistas vêm crescendo em laboratório há cinco décadas.
Os pesquisadores planejam aplicar seu novo método a outros tipos de células, Ele diz Edeker.
Mas, nesse ínterim, temos que aceitar humildemente que somos apenas intrusos dentro de nossas células, capazes de dar sentido a uma pequena parte do todo. proteína.
“Eventualmente, podemos ser capazes de compreender melhor a base molecular de muitas doenças, comparando o que é diferente entre células saudáveis e doentes.” Ele diz Edeker.
O estudo foi publicado em temperar natureza.
