بیشتر بیماری‌های انسانی را می‌توان در بخش‌های ناکارآمد سلول ردیابی کرد. تومور می‌تواند رشد کند زیرا یک ژن به طور دقیق به پروتئین خاصی ترجمه نشده است یا یک بیماری متابولیک به وجود می‌آید. به عنوان مثال، میتوکندری‌ها به درستی فعال نمی‌شوند. اما برای درک اینکه چه قسمت‌هایی از یک سلول ممکن است در یک بیماری دچار مشکل شوند، ابتدا دانشمندان باید فهرست کاملی از قطعات را داشته باشند.
تکنیک جدید هوش مصنوعی نشان می دهد که ممکن است نیمی از آنچه در سلول هایمان وجود دارد را ندانیم. فناوری هوش مصنوعی جدید اجزای سلولی ناشناخته قبلی را نشان می دهد. این یافته‌ها ممکن است نور جدیدی را در مورد رشد و بیماری‌های انسانی روشن کند.
منبع: UCSD
محققان دانشکده پزشکی سن دیگو و همکاران دانشگاه کالیفرنیا با ترکیب میکروسکوپ، تکنیک‌های بیوشیمی و هوش مصنوعی، آنچه را که فکر می‌کنند ممکن است جهشی به جلو در درک سلول‌های انسانی باشد، برداشته‌اند.
این تکنیک که به عنوان سلول یکپارچه چند مقیاسی (MuSIC) شناخته می شود، در 24 نوامبر 2021 در Nature شرح داده شده است.
اگر یک سلول را تصور کنید، احتمالاً نمودار رنگارنگ کتاب درسی زیست شناسی سلولی خود را با میتوکندری، شبکه آندوپلاسمی و هسته تصویر می کنید. اما آیا تمام ماجرا همین است؟ قطعاً نه. دانشمندان مدت‌هاست متوجه شده‌اند. که چیزهای بیشتری از آنچه ما نمی‌دانیم وجود دارد. اما اکنون بالاخره راهی برای بررسی عمیق‌تر داریم.
سیتوپلاسم چیست؟
سیتوپلاسم محلول غلیظی است که هر سلول را پر کرده و توسط غشای سلولی محصور شده است. عمدتاً از آب، نمک و پروتئین تشکیل شده است. در سلول های یوکاریوتی، سیتوپلاسم شامل تمام مواد داخل سلول و خارج از هسته است. تمام اندامک های سلول های یوکاریوتی مانند هسته، شبکه آندوپلاسمی و میتوکندری در سیتوپلاسم قرار دارند. بخشی از سیتوپلاسم که در اندامک ها وجود ندارد سیتوزول نامیده می شود. اگرچه سیتوپلاسم ممکن است بدون شکل یا ساختار به نظر برسد، اما در واقع بسیار سازمان یافته است. چارچوبی از داربست های پروتئینی به نام اسکلت سلولی سیتوپلاسم و سلول را با ساختار خود فراهم می کند.
یک پژوهش
ایدکر این مطالعه را با اما لاندبرگ، دکترای موسسه فناوری سلطنتی KTH در استکهلم، سوئد و دانشگاه استنفورد رهبری کرد.
در مطالعه آزمایشی، MuSIC تقریباً 70 جزء موجود در رده سلولی کلیه انسان را نشان داد .که نیمی از آنها قبلاً هرگز دیده نشده بودند. در یک مثال، محققان گروهی از پروتئین ها را مشاهده کردند که ساختاری ناآشنا را تشکیل می دادند. آنها با همکاری دکتر Gene Yeo، همکار دانشگاه UC San Diego، در نهایت ساختار را به عنوان مجموعه جدیدی از پروتئین‌ها تعیین کردند. که به RNA متصل می‌شود. این کمپلکس احتمالاً در پیرایش نقش دارد، یک رویداد مهم سلولی که امکان ترجمه ژن‌ها به پروتئین را فراهم می‌کند و به تعیین اینکه کدام ژن در چه زمان‌هایی فعال می‌شوند، کمک می‌کند.
درون سلول ها – و پروتئین های زیادی که در آنجا یافت می شوند. معمولاً با استفاده از یکی از دو تکنیک مورد مطالعه قرار می گیرند: تصویربرداری میکروسکوپی یا ارتباط بیوفیزیکی. با تصویربرداری، محققان برچسب‌های فلورسنت با رنگ‌های مختلف را به پروتئین‌های مورد علاقه اضافه می‌کنند. و حرکات و ارتباط آنها را در میدان دید میکروسکوپ دنبال می‌کنند. برای بررسی ارتباط‌های بیوفیزیکی، محققان ممکن است. از یک آنتی‌بادی خاص برای پروتئین استفاده کنند. تا آن را از سلول بیرون بکشند و ببینند چه چیز دیگری به آن متصل است.
این تیم سال هاست که علاقه مند به نقشه برداری از عملکرد درونی سلول ها بوده است. چیزی که در مورد MuSIC متفاوت است، استفاده از یادگیری عمیق برای نقشه برداری از سلول به طور مستقیم از تصاویر میکروسکوپ سلولی است.
Yue Qin، نویسنده اول این مطالعه، دانشجوی فارغ التحصیل بیوانفورماتیک و زیست شناسی سیستمی در آزمایشگاه Ideker، گفت: «ترکیب این فناوری‌ها منحصر به فرد و قدرتمند است، زیرا این اولین بار است که اندازه‌گیری‌ها در مقیاس‌های بسیار متفاوت با هم جمع می‌شوند.
فقط میکروسکوپ؟
میکروسکوپ‌ها به دانشمندان این امکان را می‌دهند که تا سطح یک میکرون، تقریباً به اندازه برخی از اندامک‌ها، مانند میتوکندری، ببینند. عناصر کوچکتر مانند پروتئین ها و مجتمع های پروتئینی را نمی توان از طریق میکروسکوپ مشاهده کرد. تکنیک‌های بیوشیمی که با یک پروتئین شروع می‌شوند، به دانشمندان اجازه می‌دهند تا به مقیاس نانومتری برسند. (یک نانومتر یک میلیاردم متر یا 1000 میکرون است.)
اما چگونه می توان این شکاف را از مقیاس نانومتر به میکرون پر کرد؟ ایدکر، که همچنین بنیانگذار نقشه سلولی سرطان UC و مرکز زیست شناسی محاسباتی و بیوانفورماتیک UC San Diego است. گفت که این مدت طولانی یک مانع بزرگ در علوم زیستی بوده است. معلوم شد که می‌توانید این کار را با هوش مصنوعی انجام دهید. به داده‌ها از منابع متعدد نگاه کنید و از سیستم بخواهید آنها را در مدلی از یک سلول جمع کند.»
این تیم پلتفرم هوش مصنوعی MuSIC را برای بررسی تمام داده ها و ساخت مدلی از سلول آموزش دادند. سیستم هنوز محتویات سلول را به مکان‌های خاصی نگاشت نمی‌کند. مانند نمودار کتاب درسی، تا حدی به این دلیل که مکان آنها لزوماً ثابت نیست. در عوض، مکان اجزاء سیال است و بسته به نوع سلول و موقعیت تغییر می کند.
فعلا فقط یک سلول
ایدکر اشاره کرد که این یک مطالعه آزمایشی برای آزمایش MuSIC بود. آنها فقط 661 پروتئین و یک نوع سلول را بررسی کرده اند.
ایدکر گفت: گام بعدی واضح این است که در کل سلول انسان دمیده شود و سپس به انواع سلول‌ها، افراد و گونه‌های مختلف برویم. در نهایت ممکن است بتوانیم با مقایسه تفاوت بین سلول های سالم و بیمار، اساس مولکولی بسیاری از بیماری ها را بهتر درک کنیم.
نویسندگان مشترک عبارتند از: Maya L. Gosztyla، Marcus R. Kelly، Steven M. Blue، Fan Zheng، Michael Chen، Leah V. Schaffer، Katherine Licon، John J. Lee، Sophie N. Liu، Erica Silva، Jisoo Park، آدریانا پیته، جیسون اف. کریسبرگ، کالیفرنیا سن دیگو؛ ادوارد ال. هاتلین، لورا پونتانو وایتس، تیان ژانگ، استیون پی. گیگی، جی. وید هارپر، دانشکده پزشکی هاروارد. Casper F. Winsnes, Anna Bäckström, Wei Ouyang, KTH Royal Institute of Technology; Ludivine Wacheul، Denis L. J. Lafontaine، Université Libre de Bruxelles; و جیانژو ما، دانشگاه پکن.
https://neurosciencenews.com/ai-cell-components-19701/
سید مهدی ساداتی هستم. عاشق مغز! داروساز و دانشجوی دکترای تخصصی علوم اعصاب. عضو تیم مرکز سلامت مغز دانا! از علاقه هام شناسوندن کارایی های هیجان انگیز مغز به زبان ساده به آدمهاست! جست و جو می کنم در افسردگی، داروهای موثر بر مغز و سایر بیماری های حوزه ی روان و البته نوروپلاستیسیتی!