Ricerche

Una tecnica basata sull'intelligenza artificiale svela componenti cellulari precedentemente sconosciuti che possono fornire nuovi indizi sullo sviluppo umano e le malattie.

La maggior parte delle malattie umane possono essere ricondotte a parti malfunzionanti di una cellula: per esempio un tumore è in grado di crescere perché un gene non è stato correttamente tradotto in una particolare proteina o una malattia metabolica nasce dal fatto che i mitocondri non sparano correttamente. Ma per capire quali parti di una cellula possono deteriorarsi in una malattia, gli scienziati hanno prima bisogno di avere un elenco completo delle parti.

Grazie alla combinazione di microscopia, tecniche di biochimica e intelligenza artificiale, ricercatori della University of California di San Diego hanno fatto quello che pensano potrebbe rivelarsi un balzo in avanti significativo nella comprensione delle cellule umane. La tecnica, chiamata Multi-Scale Integrated Cell (MuSIC), è descritta dal 24 novembre 2021 su Nature.

“Se immagini una cellula, probabilmente vedi il diagramma colorato nel tuo libro di testo di biologia cellulare, con i mitocondri, il reticolo endoplasmatico e il nucleo. Ma è quella tutta la storia? Sicuramente no“, ha detto Trey Ideker PhD, professore alla Facoltà di Medicina della UC San Diego e del Moores Cancer Center. “Gli scienziati hanno da tempo capito che è più quello che non sappiamo di quello che sappiamo, ma ora abbiamo finalmente un modo per osservare più in profondità”.

Nello studio pilota, guidato da Ideker e da Emma Lundberg PhD, del KTH Royal Institute of Technology di Stoccolma, in Svezia e della Stanford University, la tecnica MuSIC ha svelato circa 70 componenti presenti in una linea cellulare di rene umano, metà dei quali non erano mai stati visti finora.

In un esempio, i ricercatori hanno individuato un gruppo di proteine ​​che formano una struttura sconosciuta. Con il collega Gene Yeo PhD, alla fine hanno determinato la struttura come un nuovo complesso di proteine ​​che lega l'RNA. Il complesso è probabilmente coinvolto nello splicing, un evento cellulare importante che permette la traduzione dei geni in proteine, e aiuta a determinare quali geni sono attivati ​​in quali momenti.

L'interno delle cellule - e molte proteine presenti là - sono in genere studiati usando una delle due tecniche di scansione: il microscopio o l'associazione biofisica. Con la scansione, i ricercatori aggiungono etichette fluorescenti di vari colori alle proteine ​​di interesse e seguono i loro movimenti e associazioni attraverso il campo visivo del microscopio. Per vedere le associazioni biofisiche, i ricercatori devono usare un anticorpo specifico per una proteina, tirarlo fuori dalla cellula e vedere cos'altro è collegato ad esso.

Il team è interessato da molti anni a mappare il funzionamento interno delle cellule. La cosa diversa della tecnica MuSIC è l'uso dell'apprendimento profondo per mappare la cellula direttamente dalle immagini di microscopia cellulare.

“La combinazione di queste tecnologie è unica e potente, perché è la prima volta che vengono messe insieme misure a scale molto diverse”, ha detto la prima autrice dello studio Yue Qin, dottoranda di bioinformatica e biologia dei sistemi nel laboratorio di Ideker.

I microscopi permettono agli scienziati di vedere fino al livello di un singolo micron, circa le dimensioni di alcuni organelli, come i mitocondri. Gli elementi più piccoli, come singole proteine ​​e complessi proteici, non possono essere visti con un microscopio. Solo le tecniche di biochimica, che iniziano con una singola proteina, permettono agli scienziati di scendere alla scala nanometrica (un nanometro è un miliardesimo di metro, o 1.000 micron).

“Ma come si fa a colmare questa lacuna dai nanometri alla scala del micron? Questo è da tempo un grosso ostacolo nel campo delle scienze biologiche“, ha detto Ideker, che è anche fondatore dell'UC Cancer Cell Map Initiative e dell'UC San Diego Center for Computational Biology and Bioinformatics. “Si è scoperto che si può fare con l'intelligenza artificiale, studiando i dati provenienti da più fonti e chiedendo al sistema di assemblarli nel modello di una cellula”.

Il team ha allenato la piattaforma MuSIC di intelligenza artificiale per guardare tutti i dati e costruire un modello della cellula. Il sistema non mappa ancora il contenuto della cellula in posizioni specifiche, come un diagramma manuale, in parte perché le loro posizioni non sono necessariamente fisse. Al contrario, la posizione dei componenti è fluida e cambia a seconda del tipo di cellule e di situazione.

Ideker nota che questo è uno studio pilota per testare il MuSIC, ha osservato solo 661 proteine ​​e un tipo di cellula.

“Il passo successivo è esaminare una intera cellula umana”, ha detto Ideker, “e poi passare a differenti di tipi di cellule, di persone e di specie. Alla fine potremmo essere in grado di comprendere meglio le basi molecolari di molte malattie confrontando cosa c'è di diverso tra le cellule sane e quelle malate”.