Home / medicina / Al NAIST di Nara hanno sviluppato un algoritmo di apprendimento automatico ML in grado di prevedere con precisione la posizione delle proteine ​​​​correlate all’actina

Al NAIST di Nara hanno sviluppato un algoritmo di apprendimento automatico ML in grado di prevedere con precisione la posizione delle proteine ​​​​correlate all’actina

L’algoritmo di apprendimento automatico può prevedere dove vanno le proteine
 

I ricercatori del Nara Institute of Science and Technology (NAIST) hanno sviluppato un algoritmo di apprendimento automatico in grado di prevedere con precisione la posizione delle proteine ​​​​correlate all’actina, che è una parte cruciale dello scheletro cellulare. L’algoritmo può prevedere la posizione delle proteine ​​in base alla posizione effettiva dell’actina. 

Lo studio è stato pubblicato su Frontiers in Cell and Developmental Biology . 

L’importanza dell’actina
L’actina è fondamentale per fornire forma e struttura alle cellule e svolge un ruolo nella formazione dei lamellipodi durante il movimento cellulare. I lamellipodi sono strutture a forma di ventaglio che consentono alle cellule di “camminare” in avanti e contengono varie proteine ​​che si legano all’actina per mantenere le cellule in movimento.

Shiro Suetsugu è l’autore principale dello studio e ha avuto l’idea durante una conversazione con Yoshinobu Sato presso il Data Science Center di NAIST. 

“Mentre l’intelligenza artificiale è stata utilizzata in precedenza per prevedere la direzione della migrazione cellulare basata su una sequenza di immagini, finora non è stata utilizzata per prevedere la localizzazione delle proteine”, afferma Suetsugu. “Abbiamo quindi cercato di progettare un algoritmo di apprendimento automatico in grado di determinare dove appariranno le proteine ​​nella cellula in base alla loro relazione con altre proteine”.

Sviluppo del sistema di intelligenza artificiale
I ricercatori hanno addestrato un sistema di intelligenza artificiale (AI) per prevedere dove sarebbero le proteine ​​associate all’actina nella cellula. Lo hanno fatto mostrando le immagini AI delle cellule con le proteine ​​etichettate con marcatori fluorescenti, che indicavano al sistema dove si trovavano. Il sistema è stato quindi alimentato con immagini in cui è stata etichettata solo l’actina ed è stato chiesto di individuare le proteine ​​associate.

“Quando abbiamo confrontato le immagini previste con le immagini reali, c’era un notevole grado di somiglianza”, afferma Suetsugu. “Il nostro programma ha previsto con precisione la localizzazione di tre proteine ​​associate all’actina all’interno dei lamellipodi; e, nel caso di una di queste proteine, in altre strutture all’interno della cellula”.

Dimostrando le capacità specifiche del sistema, il team ha quindi chiesto di prevedere dove si trovasse la tubulina nella cellula. La tubulina non è direttamente correlata all’actina e il programma ha funzionato peggio in questo compito.

“I nostri risultati suggeriscono che l’apprendimento automatico può essere utilizzato per prevedere con precisione la posizione delle proteine ​​funzionalmente correlate e descrivere le relazioni fisiche tra di esse”, afferma Suetsugu.

Secondo i ricercatori, il programma potrebbe essere utilizzato per identificare in modo rapido e accurato le strutture dalle immagini cellulari e potrebbe agire come un metodo di deformazione cellulare artificiale, che aiuterebbe a evitare i limiti dei metodi attuali.

 

Top

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi