Con l’IA, i ricercatori prevedono la posizione di praticamente qualsiasi proteina all’interno di una cellula umana

Una nuova frontiera nella localizzazione delle proteine

Una proteina posizionata nella parte sbagliata di una cellula può contribuire a diverse malattie, come l’Alzheimer, la fibrosi cistica e il cancro. Tuttavia, con circa 70.000 proteine e varianti proteiche in una singola cellula umana, identificare manualmente la loro posizione è estremamente costoso e richiede molto tempo, poiché gli scienziati possono solitamente testare solo un numero limitato di proteine in un singolo esperimento.

Il potere dei modelli di apprendimento automatico

Una nuova generazione di tecniche computazionali mira a semplificare questo processo utilizzando modelli di apprendimento automatico che spesso sfruttano dataset contenenti migliaia di proteine e le loro posizioni, misurate su più linee cellulari. Uno dei più grandi di questi dataset è l’Atlante delle Proteine Umane, che cataloga il comportamento subcellulare di oltre 13.000 proteine in più di 40 linee cellulari. Tuttavia, per quanto vasto, l’Atlante delle Proteine Umane ha esplorato solo circa lo 0,25% di tutte le possibili combinazioni di proteine e linee cellulari all’interno del database.

Un approccio innovativo per esplorare lo spazio inesplorato

Ora, i ricercatori del MIT, dell’Università di Harvard e del Broad Institute del MIT e di Harvard hanno sviluppato un nuovo approccio computazionale che può esplorare in modo efficiente lo spazio ancora inesplorato. Il loro metodo è in grado di prevedere la posizione di qualsiasi proteina in qualsiasi linea cellulare umana, anche quando sia la proteina che la cellula non sono mai state testate prima.

Localizzazione a livello di singola cellula

La loro tecnica va un passo oltre molti metodi basati sull’intelligenza artificiale localizzando una proteina a livello di singola cellula, piuttosto che come stima media su tutte le cellule di un tipo specifico. Questa localizzazione a livello di singola cellula potrebbe individuare la posizione di una proteina in una specifica cellula cancerosa dopo il trattamento, per esempio.

Unione di modelli di linguaggio e visione artificiale

I ricercatori hanno combinato un modello di linguaggio proteico con un tipo speciale di modello di visione artificiale per catturare dettagli ricchi su una proteina e una cellula. Alla fine, l’utente riceve un’immagine di una cellula con una porzione evidenziata che indica la previsione del modello su dove si trova la proteina. Poiché la localizzazione di una proteina è indicativa del suo stato funzionale, questa tecnica potrebbe aiutare i ricercatori e i clinici a diagnosticare le malattie in modo più efficiente o a identificare bersagli farmacologici, consentendo al contempo ai biologi di comprendere meglio come i processi biologici complessi siano correlati alla localizzazione delle proteine.

Un aiuto per la ricerca e la diagnosi

“Potresti fare questi esperimenti di localizzazione delle proteine su un computer senza dover toccare alcun banco di laboratorio, risparmiandoti mesi di sforzi. Anche se dovresti comunque verificare la previsione, questa tecnica potrebbe fungere da screening iniziale di ciò che testare sperimentalmente,” afferma Yitong Tseo, uno studente laureato nel programma di Biologia Computazionale e dei Sistemi del MIT e co-autore principale di un articolo su questa ricerca.

Tseo è affiancato nell’articolo dal co-autore principale Xinyi Zhang, uno studente laureato nel Dipartimento di Ingegneria Elettrica e Informatica (EECS) e del Centro Eric e Wendy Schmidt presso il Broad Institute; Yunhao Bai del Broad Institute; e dagli autori senior Fei Chen, un assistente professore ad Harvard e membro del Broad Institute, e Caroline Uhler.

Fonte: MIT

articolo originale

foto credit: Image: Courtesy of the researchers; MIT News