Shock AI Discovery suggère que nous n’avons même pas découvert la moitié de ce qu’il y a à l’intérieur de nos cellules

À l’intérieur de chaque cellule du corps humain se trouve une constellation de protéines, des millions d’entre elles. Ils se bousculent tous, étant rapidement assemblés, pliés, emballés, expédiés, coupés et recyclés dans une ruche d’activités qui fonctionne à un rythme fébrile pour nous garder en vie et en marche.

Mais sans un inventaire complet de l’univers des protéines à l’intérieur de nos cellules, les scientifiques ont du mal à apprécier au niveau moléculaire ce qui ne va pas dans notre corps et qui conduit à la maladie.

Maintenant, les chercheurs ont développé une nouvelle technique qui utilise l’intelligence artificielle pour assimiler les données d’images de microscopie de cellules individuelles et d’analyses biochimiques, afin de créer une « carte unifiée » de composants subcellulaires dont la moitié, il s’avère, n’a jamais été vue auparavant.

« Les scientifiques ont compris depuis longtemps qu’il y a plus que nous ne savons pas, mais maintenant nous avons enfin un moyen d’approfondir », déclare l’informaticien et biologiste des réseaux Trey Ideker de l’Université de Californie (UC) à San Diego.

Les microscopes, aussi puissants soient-ils, permettent aux scientifiques de scruter l’intérieur de cellules individuelles, jusqu’au niveau des organites telles que les mitochondries, les blocs d’alimentation des cellules, et les ribosomes, les usines de protéines. Nous pouvons même ajouter des colorants fluorescents pour marquer et suivre facilement les protéines.

Les techniques de biochimie peuvent aller encore plus loin, en se concentrant sur des protéines uniques en utilisant, par exemple, des anticorps ciblés qui se lient à la protéine, la retirent de la cellule et voient ce qui y est attaché.

L’intégration de ces deux approches est un défi pour les biologistes cellulaires.

« Comment combler ce fossé entre l’échelle nanométrique et micrométrique ? Cela a longtemps été un obstacle majeur dans les sciences biologiques », explique Ideker.

« Il s’avère que vous pouvez le faire avec l’intelligence artificielle en examinant les données de plusieurs sources et en demandant au système de les assembler dans un modèle de cellule. »

Le résultat : Ideker et ses collègues ont retourné des cartes de manuels de cellules globulaires qui nous donnent une vue à vol d’oiseau des organites de couleur bonbon dans un réseau complexe d’interactions protéine-protéine, organisé par les distances minuscules entre eux.

Vue classique d’une coupe transversale eucaryote. (Mariana Ruiz/LadyofHats/Wikimedia)

En fusionnant les données d’images d’une bibliothèque appelée Human Protein Atlas et les cartes existantes d’interactions protéiques, l’algorithme d’apprentissage automatique a été chargé de calculer les distances entre les paires de protéines.

L’objectif était d’identifier des communautés de protéines, appelées assemblages, qui coexistent dans les cellules à différentes échelles, de la très petite (moins de 50 nm) à la très « grande » (plus de 1 m).

Une timide des 70 communautés de protéines a été classée par l’algorithme, qui a été formé à l’aide d’une bibliothèque de référence de protéines avec des diamètres connus ou estimés, et validé avec d’autres expériences.

Environ la moitié des composants protéiques identifiés sont apparemment inconnus de la science, jamais documentés dans la littérature publiée, suggèrent les chercheurs.

Dans le mélange se trouvait un groupe de protéines formant une structure inconnue, dont les chercheurs ont déterminé qu’elle était probablement responsable de l’épissage et du découpage en dés des transcrits nouvellement créés du code génétique qui sont utilisés pour fabriquer des protéines.

Les autres protéines cartographiées comprenaient des systèmes de transport transmembranaire qui pompent des fournitures dans et hors des cellules, des familles de protéines qui aident à organiser des chromosomes volumineux et des complexes protéiques dont le travail consiste à fabriquer, eh bien, plus de protéines.

Un effort considérable, mais ce n’est pas la première fois que des scientifiques tentent de cartographier le fonctionnement interne des cellules humaines.

D’autres efforts pour créer des cartes de référence des interactions protéiques ont donné des chiffres tout aussi ahurissants et tenté de mesurer les niveaux de protéines dans les tissus du corps humain.

Les chercheurs ont également développé des techniques pour visualiser et suivre l’interaction et le mouvement des protéines dans les cellules.

Cette étude pilote va encore plus loin en appliquant l’apprentissage automatique aux images de microscopie cellulaire qui localisent les protéines par rapport à de grands repères cellulaires tels que le noyau, et aux données d’études d’interaction protéique qui identifient les voisins les plus proches d’une protéine à l’échelle nanométrique.

« La combinaison de ces technologies est unique et puissante car c’est la première fois que des mesures à des échelles très différentes sont rassemblées », déclare le bioinformaticien Yue Qin, également de l’UC San Diego.

Ce faisant, la technique Multi-Scale Integrated Cell ou MuSIC « augmente la résolution de l’imagerie tout en donnant aux interactions protéiques une dimension spatiale, ouvrant la voie à l’incorporation de divers types de données dans des cartes cellulaires à l’échelle du protéome », écrivent Qin, Ideker et leurs collègues. .

Pour être clair, cette recherche est très préliminaire : l’équipe s’est concentrée sur la validation de leur méthode et n’a examiné que les données disponibles de 661 protéines dans un type cellulaire, une lignée cellulaire rénale que les scientifiques cultivent en laboratoire depuis cinq décennies.

Les chercheurs prévoient d’appliquer leur nouvelle technique à d’autres types de cellules, explique Ideker.

Mais en attendant, nous devrons humblement accepter que nous sommes de simples intrus à l’intérieur de nos propres cellules, capables de comprendre une petite fraction du protéome total.

« À terme, nous pourrons peut-être mieux comprendre la base moléculaire de nombreuses maladies en comparant les différences entre les cellules saines et les cellules malades », déclare Ideker.

L’étude a été publiée dans La nature.