一般來說，人類疾病實質(zhì)上都是細(xì)胞故障的產(chǎn)物，例如，腫瘤之所以能夠生長，是因為基因沒能準(zhǔn)確轉(zhuǎn)化為特定蛋白質(zhì)；代謝疾病是因為線粒體沒能正常工作。要了解細(xì)胞的哪些部分出錯從而導(dǎo)致疾病的發(fā)生，科學(xué)家首先需要對細(xì)胞有完整的了解。
為了更深入地了解細(xì)胞的內(nèi)在機(jī)制，近日，美國加州大學(xué)地亞哥分校的研究人員開發(fā)了一種尺度集成細(xì)胞（MuSIC）的技術(shù)。該技術(shù)結(jié)合了生物化學(xué)和人工智能技術(shù)，揭示了以前未知的細(xì)胞成分，為人類發(fā)育和疾病研究提供了新途徑。
首先，科學(xué)家使用兩種技術(shù)來研究細(xì)胞內(nèi)部的主要結(jié)構(gòu)——熒光顯微鏡成像和生物物理關(guān)聯(lián)。熒光顯微鏡成像是用熒光物質(zhì)標(biāo)定蛋白質(zhì)，并在顯微鏡范圍內(nèi)跟蹤它們的運(yùn)動和關(guān)聯(lián)，由此得到人類蛋白質(zhì)圖譜（HPA）數(shù)據(jù)。
生物物理關(guān)聯(lián)，即使用一種特定的抗體將蛋白質(zhì)從細(xì)胞中分離出來，分析蛋白質(zhì)上結(jié)合著什么，由此得到BioPlex數(shù)據(jù)庫。之后，研究人員將HPA與BioPlex中的蛋白質(zhì)數(shù)據(jù)集合到一起，輸入深度神經(jīng)網(wǎng)絡(luò)中。
在機(jī)器學(xué)習(xí)過程中，它會將亞細(xì)胞分布或互作上相近的蛋白置于同一區(qū)塊中。然后AI不斷重復(fù)學(xué)習(xí)，對蛋白與蛋白之間的距離進(jìn)行計算分析，最后形成一張多水平整合細(xì)胞圖譜（multi-scale integrated cell 1.0，MuSIC 1.0）。
實驗中，AI通過分析兩部分?jǐn)?shù)據(jù)庫將一個催化前的剪接體放置在了48 nm蛋白社群中。AI還分析出這個蛋白下的兩個亞單位U1和U2分別為8 nm和33 nm。研究人員通過冷凍電鏡確定了這一預(yù)測結(jié)果，與實際相差不大。
值得一提的是，該研究還揭示了人類腎臟細(xì)胞系中包含的大約70種成分，其中一半是以前從未見過的。此外，還確定了一種新的結(jié)合RNA的蛋白質(zhì)復(fù)合物。該復(fù)合物可能參在細(xì)胞剪接中扮演重要角色，并可幫助確定哪些基因在哪些時間被激活。
未來，基于該技術(shù)比較健康細(xì)胞和患病細(xì)胞的不同之處，或許能夠更好地理解疾病的分子基礎(chǔ)，從而在根源處阻止疾病的產(chǎn)生。
