版权归原作者所有 ， 如有侵权 ， 请联系我们
大多数人类疾病实质上是细胞故障的产物 。 但要了解细胞的哪些部分出错会导致疾病 ， 科学家首先需要对细胞有完整的了解 。 美国加州大学圣地亚哥分校医学院的研究人员及其合作者在24日发表于《自然》杂志上的论文中 ， 介绍了尺度集成细胞（MuSIC）技术 ， 这是一种结合了显微镜、生物化学和人工智能的技术 ， 揭示了以前未知的细胞成分 ， 或为人类发育和疾病提供新线索 。
【人工智能技术揭示以前未知细胞成分，为人类发育和疾病研究提供新线索】“如果你想象一个细胞 ， 你可能会在细胞生物学课本上画出五颜六色的图 ， 上面有线粒体、内质网和细胞核 。 但你以为这就结束了吗？绝对不是 。 ”美国加州大学圣地亚哥分校医学院和摩斯癌症中心教授特雷·依德克博士说 ， “科学家们早就意识到这点了 ， 但现在我们终于有办法更深入地进行研究了 。 ”
在这项初步研究中 ， MuSIC揭示了人类肾脏细胞系中包含的大约70种成分 ， 其中一半是我们以前从未见过的 。 研究还确定了一种新的结合RNA的蛋白质复合物 。 该复合物可能参与重要的细胞剪接机制 ， 这一机制使基因能够翻译成蛋白质 ， 并帮助确定哪些基因在哪些时间被激活 。
MuSIC技术的不同之处在于 ， 首次将不同尺度的测量结果结合在一起 ， 利用深度学习直接从细胞显微镜图像绘制细胞图谱 。
通过显微镜成像 ， 研究人员将各种颜色的荧光标记添加到被研究的蛋白质上 ， 并跟踪它们在显微镜视野中的运动和生物物理关联 。
科学家可以利用显微镜看到1微米尺度的物体 ， 这大约是一些细胞器（如线粒体）的大小 。 更小的元素 ， 比如单个蛋白质和蛋白质复合物无法通过显微镜看到 ， 而生物化学技术使科学家能够深入观察到纳米尺度 。
此外 ， 该团队训练了MuSIC人工智能平台来查看所有数据并构建细胞模型 。 然而 ， 它还没有像教科书图表那样将每一部分内容映射到特定的位置 ， 部分原因是细胞内结构的位置会变化 。
依德克指出 ， 这是一项测试MuSIC的试点研究 。 他们只研究了661种蛋白质和一种细胞类型 。 下一步是研究所有人类细胞 ， 再过渡到不同的细胞类型和物种 。 最终 ， 通过比较健康细胞和患病细胞的不同之处 ， 或许能够更好地理解疾病的分子基础 。
来源：科技日报