ایران پرسمان - زومیت / هوش مصنوعی با تهیه نقشه‌ای از تعامل میان پروتئین‌ها درون سلول نشان داده است نادانسته‌های فراوانی درباره‌ی دنیای درون سلول وجود دارد.
درون هر سلول بدن انسان مجموعه‌ی عظیمی از پروتئین‌ها وجود دارد. آن‌ها در تکاپو هستند، با سرعت درکنارهم جمع می‌شوند، تا می‌خورند، بسته‌بندی می‌شوند، حمل می‌شوند، بریده و بازیافت می‌شوند تا بتوانند ما را زنده نگه دارند و عملکردهای بدن ما را حفظ کنند. باوجوداین، بدون فهرست کامل جهان پروتئینی درون سلول‌های ما، دانشمندان به‌سختی می‌توانند در سطح مولکولی متوجه شوند چه مشکلی در بدن پیش می‌آید که به بیماری منجر می‌شود.
اکنون پژوهشگران تکنیک جدیدی ایجاد کرده‌اند که از هوش مصنوعی برای تلفیق داده‌های حاصل از تصاویر میکروسکوپی سلول‌های انفرادی و تجزیه‌و‌تحلیل‌های بیوشیمیایی استفاده می‌کند تا نقشه‌ی یکپارچه‌ای از ترکیبات درون سلولی ایجاد کند. طبق نتایج، به‌نظر می‌رسد نیمی از آن‌ها را هرگز قبلا ندیده‌ایم.
تری ایلکر، متخصص زیست‌شناسی شبکه‌های زیستی و دانشمند کامپیوتر در دانشگاه کالیفرنیا در سن‌دیگو می‌گوید: «دانشمندان مدت‌ها است متوجه شده‌اند که درمقایسه‌با آنچه می‌دانیم، نادانسته‌های بسیار بیشتری وجود دارد؛ اما اکنون بالاخره راهی برای بررسی عمیق‌تر داریم.»
میکروسکوپ‌ها به دانشمندان اجازه می‌دهند که درون سلول‌های واحد را تا سطح اندامک‌هایی مانند میتوکندری‌ها (بسته‌های انرژی سلول) و ریبوزوم‌ها (کارخانه‌های پروتئین) بررسی کنند. ما حتی می‌توانیم از رنگ‌های فلورسنت برای علامت‌گذاری و ردیابی پروتئین‌ها استفاده کنیم و تکنیک‌های بیوشیمی مطالعه‌ی عمیق‌تر را ممکن می‌سازند؛ مثلا با استفاده از آنتی‌بادی‌های هدفمندی که به پروتئین خاصی متصل می‌شوند، می‌توان پروتئین‌ها را عمیق‌تر بررسی کرد و آن‌ها را از سلول بیرون کشید و بررسی کرد چه چیز دیگری به آن‌ها متصل است.
ادغام دو رویکرد یادشده برای زیست‌شناسان سلولی چالش است. ایدکر توضیح می‌دهد:
چگونه می‌توانید شکاف بین مقیاس نانومتر تا میکرون را پر کنید؟ این موضوع مدت طولانی مانع بزرگی در علوم زیستی بوده است؛ اما اکنون می‌توانید این کار را با استفاده از هوش مصنوعی انجام دهید. داده‌های منابع مختلف را در نظر بگیرید و از سیستم بخواهید که آن‌ها را درون مدلی از یک سلول درکنار‌هم قرار دهد.
درنهایت، ایدکر و همکارانش نقشه‌ای از سلول را تهیه کردند که شبکه‌ی پیچیده‌ی تعاملات میان پروتئین‌ها را نشان می‌دهد و براساس فواصل کوچک بین آن‌ها تنظیم شده است.

داده‌های حاصل از کتابخانه‌ی Human Protein Atlas و نقشه‌های موجود از تعاملات پروتئینی باهم ترکیب و وظیفه‌ی محاسبه‌ی فواصل میان جفت پروتئین‌ها برعهده‌ی الگوریتم هوش مصنوعی گذاشته شد. هدف شناسایی جوامعی از پروتئین‌ها بود که در مقیاس‌های مختلف در سلول‌ها باهم وجود دارند؛ از مجموعه‌های بسیار کوچک (کمتر از پنجاه نانومتر) تا بسیار بزرگ (بیش از یک میکرومتر).
الگوریتم ابتدا با استفاده از کتابخانه‌ی مرجعی از پروتئین‌ها با قطرهای شناخته‌شده یا برآورد‌شده آموزش داده و با آزمایش‌های بیشتر اعتبارسنجی شد. درنهایت، حدود 70 جامعه پروتئینی ازطریق الگوریتم طبقه‌بندی شد. حدود نیمی از اجزای پروتئینی شناخته‌شده ظاهرا برای علم ناشناخته‌ و هرگز در مقالات منتشرشده مستند نشده‌اند.
در این ترکیب، گروهی از پروتئین‌ها وجود داشت که ساختار ناآشنایی تشکیل می‌دادند. این مجموعه احتمالا مسئول پیرایش و برش رونوشت‌های تازه ساخته‌شده از کد ژنتیکی هستند که برای ساخت پروتئین‌ها استفاده می‌شود. پروتئین‌های نقشه‌برداری‌شده‌ی دیگر شامل سیستم‌های انتقال غشایی هستند که منابع را به داخل و خارج‌ سلول‌ها پمپ می‌کنند. همچنین، خانواده‌هایی از پروتئین‌ها که به سازمان‌دهی کروموزوم‌های حجیم کمک می‌کنند و کمپلکس‌های پروتئینی که وظیفه‌ی آن‌ها تولید پروتئین‌های بیشتر است، در نقشه‌ی مذکور شناسایی شدند.
این اولین‌باری نیست که دانشمندان تلاش کرده‌اند کارکردهای درونی سلول‌های انسانی را نقشه‌برداری کنند. تلاش‌های دیگر برای ایجاد نقشه‌های مرجع از تعاملات پروتئین اعداد مشابهی را حاصل کرده است و پژوهشگران سعی کرده‌اند سطوح پروتئین را در بافت‌های بدن اندازه‌گیری کنند. همچنین، آن‌ها تکنیک‌هایی برای به تصویرکشیدن و ردیابی تعامل و حرکت پروتئین‌ها در سلول‌ها ایجاد کرده‌اند.
مطالعه‌ی مقدماتی حاضر قدمی جلوتر می‌رود و از یادگیری ماشین استفاده می‌کند تا تصاویر میکروسکوپی سلول‌ها را که موقعیت پروتئین‌ها را دربرابر اجزای بزرگ سلول مانند هسته مشخص می‌کنند، با داده‌های حاصل از مطالعات تعاملات پروتئینی که نزدیک‌ترین همسایه‌های پروتئین را در مقیاس نانو شناسایی می‌کند، ترکیب کند.
یو کین، متخصص بیوانفورماتیک از دانشگاه کالیفرنیا می‌گوید: «ترکیب این فناوری‌ها منحصربه‌فرد و قدرتمند است؛ زیرا اولین‌باری است که اندازه‌گیری‌هایی در مقیاس‌های بسیار متفاوت در‌کنار‌هم جمع می‌شوند.»
تکنیک جدید (MuSIC) وضوح تصویربرداری را افزایش می‌دهد و به تعاملات پروتئینی بُعد فضایی می‌دهد و راه را برای تلفیق داده‌های مختلف در قالب نقشه‌هایی هموار می‌کند که پروتئوم سلول (کل مجموعه‌ی پروتئینی سلول) را به‌تصویر می‌کشند. این پژوهش هنوز بسیار مقدماتی است؛ زیرا پژوهشگران روی اعتبارسنجی روش خود تمرکز و فقط داده‌های موجود از 661 پروتئین درون یک نوع سلول (رده‌ای از سلول‌های کلیه) را بررسی کرده‌اند که به‌مدت چندین دهه در آزمایشگاه کشت داده شده بود.
پژوهشگران قصد دارند روش جدید را برای انواع دیگر سلول‌ها نیز به‌کار ببرند؛ اما در همین حین، باید متواضعانه قبول کنیم که درحال‌حاضر، فقط می‌توانیم بخش کوچکی از کل پروتئوم سلول‌های خود را درک کنیم. ایدکر می‌گوید: «درنهایت، ممکن است بتوانیم اساس مولکولی بسیاری از بیماری‌ها را با مقایسه‌ی تفاوت میان سلول‌های سالم و بیمار بهتر درک کنیم.»
این مطالعه در مجله‌ی Nature منتشر شده است.