(Cellula-Immagine: ricercatori dell’UC San Diego introducono Multi-Scale Integrated Cell (MuSIC), una tecnica che combina microscopia, biochimica e intelligenza artificiale, rivelando componenti cellulari precedentemente sconosciuti che potrebbero fornire nuovi indizi sullo sviluppo umano e sulle malattie. (Rendering concettuale dell’artista.) Credito: UC San Diego Health Sciences).
La tecnica basata sull’intelligenza artificiale rivela componenti della cellula precedentemente sconosciuti che potrebbero fornire nuovi indizi sullo sviluppo umano e sulle malattie.
La maggior parte delle malattie umane può essere ricondotta a parti malfunzionanti di una cellula: un tumore è in grado di crescere perché un gene non è stato tradotto accuratamente in una particolare proteina o si verifica una malattia metabolica perché i mitocondri non si attivano correttamente, ad esempio. Ma per capire quali parti di una cellula possono “andare storto” in una malattia, gli scienziati devono prima avere un elenco completo delle parti.
Combinando microscopia, tecniche di biochimica e intelligenza artificiale, i ricercatori della San Diego School of Medicine dell’Università della California e i collaboratori hanno fatto quello che pensano possa rivelarsi un significativo balzo in avanti nella comprensione delle cellule umane.
La tecnica, nota come Multi-Scale Integrated Cell (MuSIC), è descritta il 24 novembre 2021 su Nature.
“Se immagini una cellula, probabilmente immagini il diagramma colorato nel tuo libro di testo di biologia cellulare, con i mitocondri, il reticolo endoplasmatico e il nucleo. Ma è tutta questa la storia? Assolutamente no“, ha affermato Trey Ideker, PhD, Professore alla UC San Diego School of Medicine e al Moores Cancer Center. “Gli scienziati si sono resi conto da tempo che c’è più che non sappiamo di quanto sappiamo, ma ora abbiamo finalmente un modo per guardare più in profondità“.
Ideker ha condotto lo studio con Emma Lundberg, PhD, del KTH Royal Institute of Technology di Stoccolma, Svezia e della Stanford University.
A sinistra: i diagrammi delle celle dei libri di testo classici implicano che tutte le parti sono chiaramente visibili e definite. (Credito: OpenStax/Wikimedia). A destra: una nuova mappa cellulare generata dalla tecnica MuSIC rivela molti nuovi componenti. I nodi d’oro rappresentano componenti cellulari noti, i nodi viola rappresentano nuovi componenti. La dimensione del nodo riflette il numero di proteine distinte in quel componente. Credito: UC San Diego Scienze della salute
Nello studio pilota, MuSIC ha rivelato circa 70 componenti contenuti all’interno di una linea cellulare renale umana, metà dei quali non era mai stata vista prima. In un esempio, i ricercatori hanno individuato un gruppo di proteine che formano una struttura sconosciuta. Lavorando con il collega dell’UC San Diego Gene Yeo, PhD, alla fine hanno determinato che la struttura fosse un nuovo complesso di proteine che lega l’RNA. Il complesso è probabilmente coinvolto nello splicing, un importante evento cellulare che consente
e aiuta a determinare quali geni vengono attivati in quali momenti.
L’interno delle cellule – e le numerose proteine che vi si trovano – vengono in genere studiate utilizzando una delle due tecniche: imaging al microscopio o associazione biofisica. Con l’imaging, i ricercatori aggiungono tag fluorescenti di vari colori alle proteine di interesse e ne tracciano i movimenti e le associazioni attraverso il campo visivo del microscopio. Per esaminare le associazioni biofisiche, i ricercatori potrebbero utilizzare un anticorpo specifico per una proteina per estrarla dalla cellula e vedere cos’altro è attaccato ad essa.
Il team è interessato a mappare il funzionamento interno delle cellule da molti anni. La differenza di MuSIC è l’uso del deep learning per mappare la cellula direttamente dalle immagini di microscopia cellulare.
Vedi anche:Un corpo ha inizio da una cellula, ma come le cellule scelgono il loro destino?
“La combinazione di queste tecnologie è unica e potente perché è la prima volta che vengono messe insieme misurazioni su scale molto diverse“, ha affermato il primo autore dello studio Yue Qin, uno studente laureato in Bioinformatica e Biologia dei Sistemi nel laboratorio di Ideker.
I microscopi consentono agli scienziati di vedere fino al livello di un singolo micron, all’incirca delle dimensioni di alcuni organelli, come i mitocondri. Elementi più piccoli, come singole proteine e complessi proteici, non possono essere visti al microscopio. Le tecniche di biochimica, che iniziano con una singola proteina, consentono agli scienziati di scendere alla scala nanometrica. (Un nanometro è un miliardesimo di metro, o 1/1.000 di micron.)
“Ma come colmare quel divario dalla scala nanometrica a quella micron? Questo è stato a lungo un grande ostacolo nelle scienze biologiche”, ha affermato Ideker, che è anche fondatore della UC Cancer Cell Map Initiative e dell’UC San Diego Center for Computational Biology and Bioinformatics. “Risulta che puoi farlo con l’intelligenza artificiale, guardando i dati da più fonti e chiedendo al sistema di assemblarli in un modello di cellula”.
Il team ha addestrato la piattaforma di intelligenza artificiale MuSIC a esaminare tutti i dati e costruire un modello della cellula. Il sistema non mappa ancora il contenuto della cellula a posizioni specifiche, come un diagramma di un libro di testo, in parte perché le loro posizioni non sono necessariamente fisse. Invece, le posizioni dei componenti sono fluide e cambiano a seconda del tipo e della situazione cellulare.
Ideker ha fatto notare che questo era uno studio pilota per testare MuSIC. I ricercatori hanno esaminato solo 661 proteine e un tipo di cellula.
“Il passo successivo chiaro è di passare a diversi tipi di cellule, persone e specie. Alla fine, potremmo essere in grado di comprendere meglio le basi molecolari di molte malattie confrontando le differenze tra cellule sane e malate”, ha detto Ideker.
Fonte:Nature
