大多數(shù)人類疾病都可以追溯到細胞的故障部分——例如，腫瘤能夠生長是因為基因沒有被準確地翻譯成特定的蛋白質，或者代謝疾病的出現(xiàn)是因為線粒體不能正常發(fā)射。但要了解疾病中細胞的哪些部分會出錯，科學家們首先需要有一份完整的部分列表。
通過將顯微鏡、生物化學技術和人工智能相結合，加州大學圣地亞哥分校醫(yī)學院的研究人員和合作者已經(jīng)取得了他們認為可能在理解人類細胞方面取得重大飛躍的成果。
該技術稱為多尺度集成單元 (Music)，于 2021 年 11 月 24 日在Nature 上進行了描述。
“如果你想象一個細胞，你可能會在你的細胞生物學教科書中描繪出五顏六色的圖表，包括線粒體、內質網(wǎng)和細胞核。但這就是故事的全部嗎?絕對不是，”加州大學圣地亞哥分校醫(yī)學院和摩爾斯癌癥中心教授 Trey Ideker 博士說。“科學家們早就意識到我們不知道的比我們知道的更多，但現(xiàn)在我們終于有辦法更深入地研究了。”
Ideker 與瑞典斯德哥爾摩 KTH 皇家理工學院和斯坦福大學的 Emma Lundberg 博士一起領導了這項研究。
在初步研究中，MuSIC 揭示了人類腎臟細胞系中包含的大約 70 種成分，其中一半以前從未見過。在一個例子中，研究人員發(fā)現(xiàn)了一組形成陌生結構的蛋白質。他們與加州大學圣地亞哥分校的同事 Gene Yeo 博士合作，最終確定該結構是一種新的結合 RNA 的蛋白質復合物。該復合物可能參與剪接，這是一種重要的細胞事件，可以將基因翻譯成蛋白質，并有助于確定哪些基因在何時被激活。
細胞內部——以及在那里發(fā)現(xiàn)的許多蛋白質——通常使用兩種技術之一進行研究：顯微鏡成像或生物物理關聯(lián)。通過成像，研究人員將各種顏色的熒光標簽添加到感興趣的蛋白質上，并在顯微鏡的視野中跟蹤它們的運動和關聯(lián)。為了觀察生物物理關聯(lián)，研究人員可能會使用一種特定于蛋白質的抗體將其拉出細胞，看看還有什么附著在它上面。
多年來，該團隊一直對繪制細胞內部工作原理圖感興趣。MuSIC 的不同之處在于使用深度學習直接從細胞顯微鏡圖像中繪制細胞圖。
“這些技術的結合是獨特而強大的，因為這是第一次將不同尺度的測量結果結合在一起，”該研究的第一作者、Ideker 實驗室生物信息學和系統(tǒng)生物學研究生 Yu Qin 說。
標簽：
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！