Intelligenza artificiale: le cellule non sono come abbiamo sempre pensato

La tecnica di intelligenza artificiale, nota come Multi-Scale Integrated Cell (MuSIC), è stata descritta il 24 novembre 2021 su Nature. La maggior parte delle malattie umane può essere fatta risalire 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 una malattia metabolica si verifica perché i mitocondri non si attivano correttamente, ad esempio. Ma per capire quali componenti di una cellula possano essere alterate in una malattia, gli scienziati devono prima possederne un elenco completo.

Vedere le componenti cellulari tramite intelligenza artificiale

“Se immagini una cellula, probabilmente immagini il diagramma colorato nel tuo libro di biologia cellulare, con mitocondri, reticolo endoplasmatico e nucleo. Ma è tutta qui la storia? Assolutamente no“, ha detto Trey Ideker, Ph.D., professore alla UC San Diego School of Medicine e Moores Cancer Center. Ideker ha condotto lo studio con Emma Lundberg, Ph.D., del KTH Royal Institute of Technology di Stoccolma, Svezia e della Stanford University.

“Gli scienziati hanno capito da tempo che c’è più che non sappiamo di quanto sappiamo, ma ora abbiamo finalmente un modo per guardare più in profondità.”

Intelligenza artificiale e contenuto delle cellule — **A sinistra**: i classici diagrammi delle cellule dei libri di testo implicano che tutte le parti siano chiaramente visibili e definite. **A destra**: una nuova mappa cellulare generata dalla tecnica MuSIC rivela molti nuovi componenti. I nodi dorati rappresentano componenti cellulari noti, i nodi viola rappresentano nuovi componenti. La dimensione del nodo riflette il numero di proteine distinte in quel componente.

L’intelligenza artificiale ha permesso la visualizzazione di componenti cellulari mai visti prima

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. Per esempio, i ricercatori hanno individuato un gruppo di proteine che formano una struttura sconosciuta.

Lavorando con il collega dell’UC San Diego Gene Yeo, Ph.D., alla fine hanno determinato che la struttura fosse un nuovo complesso di proteine che si lega all’RNA. Il complesso è probabilmente coinvolto nello splicing, un importante evento cellulare che consente la traduzione dei geni in proteine e aiuta a determinare quali geni vengono attivati in quali momenti.

Le tecniche comunemente utilizzate per studiare le cellule

L’interno delle cellule, e le molte proteine che vi si trovano, vengono tipicamente 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 tracciano i loro movimenti e 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.

Perché questa tecnica di intelligenza artificiale è straordinaria?

Il team è stato interessato a mappare il funzionamento interno delle cellule per molti anni. La differenza di MuSIC è l’uso del deep learning per mappare la cellula direttamente dalle immagini della microscopia cellulare. “La combinazione di queste tecnologie è unica e potente perché è la prima volta che vengono riunite 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.

L’intelligenza artificiale può risolvere un problema cruciale delle scienze biologiche

I microscopi consentono agli scienziati di vedere fino al livello di un singolo micron, circa le 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.

“Ma come si fa a colmare questo divario dalla scala nanometrica a quella micron? Questo è stato a lungo un grande ostacolo nelle scienze biologiche”, ha detto Ideker, che è anche fondatore della UC Cancer Cell Map Initiative e dell’UC San Diego Center for Computational Biology e Bioinformatica. “Si scopre che puoi farlo con l’intelligenza artificiale, guardando i dati da più fonti e chiedendo al sistema di assemblarli in un modello di una cellula”.

Lo studio pilota per testare MuSIC

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 delle celle in 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 di cellula e della situazione. Ideker ha sottolineato che questo era uno studio pilota per testare MuSIC. Hanno esaminato solo 661 proteine e un tipo di cellula.

“Il chiaro passo successivo è quello di visualizzare l’intera cellula umana”, ha detto Ideker, “e quindi 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 ciò che è diverso tra cellule sane e malate”.