Investigadores del Instituto de Ciencia y Tecnología de Nara (NAIST) han desarrollado un algoritmo de aprendizaje automático que puede predecir con precisión la ubicación de las proteínas relacionadas con la actina, que es una parte crucial del esqueleto celular. El algoritmo puede predecir la ubicación de las proteínas en función de la ubicación real de la actina.
El estudio fue publicado en Fronteras en biología celular y del desarrollo.
La importancia de la actina
La actina es clave para proporcionar forma y estructura a las células, y desempeña un papel en la formación de lamelipodia durante el movimiento celular. Los lamellipodia son estructuras en forma de abanico que permiten a las células “caminar” hacia adelante y contienen varias proteínas que se unen a la actina para mantener las células en movimiento.
Shiro Suetsugu es el autor principal del estudio y se le ocurrió la idea durante una conversación con Yoshinobu Sato en el Data Science Center de NAIST.
“Si bien la inteligencia artificial se ha utilizado anteriormente para predecir la dirección de la migración celular en función de una secuencia de imágenes, hasta ahora no se ha utilizado para predecir la localización de proteínas”, dice Suetsugu. “Por lo tanto, buscamos diseñar un algoritmo de aprendizaje automático que pueda determinar dónde aparecerán las proteínas en la célula en función de su relación con otras proteínas”.
Desarrollo del sistema de IA
Los investigadores entrenaron un sistema de inteligencia artificial (IA) para predecir dónde estarían las proteínas asociadas a la actina en la célula. Lo hicieron mostrando imágenes de IA de células con las proteínas marcadas con marcadores fluorescentes, que indicaban al sistema dónde estaban ubicadas. Luego, el sistema recibió imágenes en las que solo se marcó la actina y se le pidió que localizara las proteínas asociadas.
“Cuando comparamos las imágenes predichas con las imágenes reales, hubo un grado considerable de similitud”, dice Suetsugu. “Nuestro programa predijo con precisión la localización de tres proteínas asociadas a la actina dentro de los lamellipodia; y, en el caso de una de estas proteínas, en otras estructuras dentro de la célula”.
Demostrando las capacidades específicas del sistema, el equipo le pidió que predijera dónde estaba la tubulina en la célula. La tubulina no está directamente relacionada con la actina y el programa se desempeñó peor en esta tarea.
“Nuestros hallazgos sugieren que el aprendizaje automático se puede utilizar para predecir con precisión la ubicación de proteínas funcionalmente relacionadas y describir las relaciones físicas entre ellas”, dice Suetsugu.
Según los investigadores, el programa podría usarse para identificar de forma rápida y precisa las estructuras a partir de imágenes de células, y podría actuar como un método de filtrado celular artificial, lo que ayudaría a evitar las limitaciones de los métodos actuales.