Skip to main content
ΥΓΕΙΑ

Νέα τεχνική τεχνητής νοημοσύνης αποκαλύπτει μυστικά για τα κύτταρά μας

Image
ομφαλικά βλαστοκύτταρα
 clock 22:24 | 27/11/2021 writer icon newsroom ekriti.gr

Οι περισσότερες ανθρώπινες ασθένειες μπορούν να εντοπιστούν σε δυσλειτουργικά τμήματα ενός κυττάρου. Ένας όγκος μπορεί να αναπτυχθεί επειδή ένα γονίδιο δεν μεταφράστηκε με ακρίβεια σε μια συγκεκριμένη πρωτεΐνη κι ένα μεταβολικό νόσημα εμφανίζεται επειδή τα μιτοχόνδρια δεν λειτουργούν σωστά. Ωστόσο, για να κατανοήσουν ποια τμήματα ενός κυττάρου μπορεί να υποστούν βλάβη, οι επιστήμονες θα πρέπει πρώτα να έχουν έναν πλήρη κατάλογο με τα τμήματα αυτά.

Συνδυάζοντας ηλεκτρονική μικροσκοπία, τεχνικές βιοχημείας και τεχνητή νοημοσύνη, ερευνητές της Ιατρικής Σχολής του Πανεπιστημίου της Καλιφόρνιας στο Σαν Ντιέγκο και συνεργάτες τους, πιστεύουν πως πραγματοποίησαν ένα σημαντικό βήμα για την κατανόηση των ανθρώπινων κυττάρων. Οι ερευνητές το κατάφεραν αυτό με τη βοήθεια μιας τεχνικής τεχνητής νοημοσύνης ονομάζεται Multi-Scale Integrated Cell (MuSIC).

«Όταν σκέφτεστε ένα κύτταρο, πιθανώς φαντάζεστε το πολύχρωμο διάγραμμα στο βιβλίο κυτταρικής βιολογίας, με τα μιτοχόνδρια, το ενδοπλασματικό δίκτυο και τον πυρήνα. Είναι όμως μόνο αυτά; Σίγουρα όχι», δήλωσε ο Τρέι Άιντεκερ, καθηγητής στην Ιατρική Σχολή του του Πανεπιστημίου της Καλιφόρνιας στο Σαν Ντιέγκο και στο Κέντρο Καρκίνου Moores.

Στην πιλοτική μελέτη, η τεχνητή νοημοσύνη αποκάλυψε περίπου 70 συστατικά που περιέχονταν σε μια σειρά ανθρώπινων νεφρικών κυττάρων, τα μισά από τα οποία δεν είχαν παρατηρηθεί ποτέ πριν. Για παράδειγμα, οι ερευνητές εντόπισαν μια ομάδα πρωτεϊνών που σχημάτιζαν μια άγνωστη δομή. Τελικά προσδιόρισαν ότι η δομή ήταν ένα νέο σύμπλεγμα πρωτεϊνών που δεσμεύει το RNA. Το σύμπλεγμα αυτό πιθανόν να εμπλέκεται στην «ωρίμανση», ένα σημαντικό κυτταρικό γεγονός που επιτρέπει τη μετάφραση των γονιδίων σε πρωτεΐνες και βοηθά να καθοριστεί ποια γονίδια ενεργοποιούνται σε ποιες χρονικές στιγμές.

Το εσωτερικό των κυττάρων και οι πρωτεΐνες που βρίσκονται εκεί, μελετώνται συνήθως με μία από τις δύο τεχνικές: την μικροσκοπική απεικόνιση ή τη βιοφυσική. Με την απεικόνιση, οι ερευνητές προσθέτουν φθορίζουσες ετικέτες διαφόρων χρωμάτων στις πρωτεΐνες που τους ενδιαφέρουν και παρακολουθούν τις κινήσεις τους και τις διεργασίες σε όλο το οπτικό πεδίο του μικροσκοπίου. Με τη δεύτερη τεχνική, οι ερευνητές χρησιμοποιούν ένα αντίσωμα για μια συγκεκριμένη πρωτεΐνη ώστε να την εξάγουν από το κύτταρο και να δουν τι άλλο είναι συνδεδεμένο με αυτήν.

Η ομάδα ενδιαφέρεται εδώ και πολλά χρόνια για τη χαρτογράφηση της εσωτερικής λειτουργίας των κυττάρων. Αυτό που επιτρέπει η πλατφόρμα MuSIC, είναι η χρήση της βαθιάς μάθησης για τη χαρτογράφηση του κυττάρου, από εικόνες κυτταρικής μικροσκοπίας.

«Ο συνδυασμός αυτών των τεχνολογιών είναι μοναδικός και ισχυρός επειδή είναι η πρώτη φορά που έχουμε συγκεντρώσει μετρήσεις σε πολύ διαφορετικές κλίμακες», δήλωσε ο κύριος συγγραφέας της μελέτης Yue Qin, μεταπτυχιακός φοιτητής Βιοπληροφορικής και Συστημικής Βιολογίας στο εργαστήριο του Άιντεκερ.

Τα μικροσκόπια επιτρέπουν στους επιστήμονες να βλέπουν μέχρι το επίπεδο ενός μόνο μικρομέτρου, περίπου το μέγεθος ορισμένων οργανιδίων, όπως τα μιτοχόνδρια. Μικρότερα στοιχεία, όπως μεμονωμένες πρωτεΐνες και πρωτεϊνικά συμπλέγματα, δεν είναι ορατά με μικροσκόπιο. Οι τεχνικές βιοχημείας, οι οποίες ξεκινούν από μία μόνο πρωτεΐνη, επιτρέπουν στους επιστήμονες να φτάσουν μέχρι την κλίμακα του νανομέτρου.

«Πώς γεφυρώνεται αυτό το χάσμα από την κλίμακα του νανομέτρου στην κλίμακα του μικρομέτρου; Αυτό αποτελεί εδώ και καιρό ένα μεγάλο εμπόδιο στις βιολογικές επιστήμες», δήλωσε ο Άιντεκερ, ο οποίος είναι ιδρυτής της Πρωτοβουλίας UC Cancer Cell Map Initiative και του Κέντρου Υπολογιστικής Βιολογίας και Βιοπληροφορικής του Πανεπιστημίου της Καλιφόρνιας στο Σαν Ντιέγκο.

«Αποδείξαμε ότι με την τεχνητή νοημοσύνη, μπορούμε να εξετάσουμε δεδομένα από πολλαπλές πηγές και να ζητήσουμε από το σύστημα να τα συναρμολογήσει σε ένα μοντέλο ενός κυττάρου».

Η ομάδα εκπαίδευσε την πλατφόρμα τεχνητής νοημοσύνης MuSIC να εξετάζει όλα τα δεδομένα και να κατασκευάζει ένα μοντέλο του κυττάρου. Το σύστημα δεν χαρτογραφεί ακόμη τα περιεχόμενα των κυττάρων σε συγκεκριμένες θέσεις, όπως ένα διάγραμμα σχολικού βιβλίου, εν μέρει επειδή οι θέσεις τους δεν είναι απαραίτητα σταθερές. Αντίθετα, οι θέσεις των συστατικών είναι ρευστές και αλλάζουν ανάλογα με τον τύπο του κυττάρου και την κατάσταση.

Ο Άιντεκερ σημείωσε ότι πρόκειται για μια πιλοτική μελέτη και ότι έχουν εξετάσει μόνο 661 πρωτεΐνες και έναν τύπο κυττάρου.

«Το επόμενο βήμα είναι να μελετήσουμε ολόκληρο το ανθρώπινο κύτταρο», δήλωσε ο επιστήμονας, «και στη συνέχεια να προχωρήσουμε σε διαφορετικούς τύπους κυττάρων, ανθρώπων και ειδών. Τελικά μπορεί να είμαστε σε θέση να κατανοήσουμε καλύτερα τη μοριακή βάση πολλών ασθενειών, συγκρίνοντας τις διαφορές μεταξύ υγιών και ασθενών κυττάρων».

Τα ευρήματα των ερευνητών δημοσιεύθηκαν στο Nature.

ΔΙΑΒΑΣΤΕ ΕΠΙΣΗΣ

Νότια Αφρική: Η χώρα λέει ότι τιμωρείται για τον έγκαιρο εντοπισμό της νέας παραλλαγής Omicron

Κορωνοϊός: 5.870 νέα κρούσματα, 82 θάνατοι και 641 διασωλήνωμένοι

Μετάλλαξη Omicron: Κανένα κρούσμα στην Ελλάδα ανάμεσα σε 40.000 θετικά τεστ

google news icon

Ακολουθήστε το ekriti.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις για την Κρήτη και όχι μόνο.

ΡΟΗ ΕΙΔΗΣΕΩΝ

Ράδιο Κρήτη © | 2013 - 2022 ekriti.gr | Όροι Χρήσης.
Designed by Cloudevo, developed by Pixelthis