/

La IA puede revelar una nueva biología celular con solo mirar imágenes

117 vistas
9 min lectura
La IA puede revelar una nueva biología celular con solo mirar imágenes Fuente: PHYS ORG

Los humanos son buenos para mirar imágenes y encontrar patrones o hacer comparaciones. a continuación Mire una colección de fotos de perros, por ejemplo, y puede ordenarlas por color, tamaño de oreja, forma de cara, etc. Pero, ¿podría compararlos cuantitativamente? Y quizás más intrigante, ¿podría una máquina extraer información significativa de las imágenes que los humanos no pueden?

Ahora, un equipo de científicos de Chan Zuckerberg Biohub de la Universidad de Standford ha desarrollado un método de aprendizaje automático para analizar cuantitativamente y comparar imágenes, en este caso, imágenes microscópicas de proteínas, sin conocimiento previo. Como se informó en Nature Methods, su algoritmo, denominado «cytoself», proporciona información rica y detallada sobre la ubicación y función de las proteínas dentro de una célula. Esta capacidad podría acelerar el tiempo de investigación para los biólogos celulares y eventualmente usarse para acelerar el proceso de descubrimiento y detección de fármacos.

«Esto es muy emocionante: estamos aplicando IA a un nuevo tipo de problema y aún así recuperamos todo lo que los humanos saben, y más», dijo Loic Royer, coautor del estudio. «En el futuro, podríamos hacer esto para diferentes tipos de imágenes. Abre muchas posibilidades».

Cytoself no solo demuestra el poder de los algoritmos de aprendizaje automático, sino que también ha generado conocimientos sobre las células, los componentes básicos de la vida, y sobre las proteínas, los componentes moleculares de las células. Cada célula contiene alrededor de 10 000 tipos diferentes de proteínas, algunas trabajando solas, muchas trabajando juntas, haciendo varios trabajos en varias partes de la célula para mantenerlas saludables. «Una célula está mucho más organizada espacialmente de lo que pensábamos antes. Ese es un resultado biológico importante sobre cómo está conectada la célula humana», dijo Manuel Leonetti, también coautor del estudio.

Y como todas las herramientas desarrolladas en CZ Biohub, cytoself es de código abierto y accesible para todos. «Esperamos que inspire a muchas personas a usar algoritmos similares para resolver sus propios problemas de análisis de imágenes», dijo Leonetti.

No importa un doctorado, las máquinas pueden aprender por sí mismas

Cytoself es un ejemplo de lo que se conoce como aprendizaje autosupervisado, lo que significa que los humanos no le enseñan nada al algoritmo sobre las imágenes de proteínas, como es el caso del aprendizaje supervisado. “En el aprendizaje supervisado tienes que enseñarle a la máquina uno por uno con ejemplos; es mucho trabajo y muy tedioso”, dijo Hirofumi Kobayashi, autor principal del estudio. Y si la máquina se limita a las categorías que los humanos le enseñan, puede introducir sesgos en el sistema.

«Manu [Leonetti] creía que la información ya estaba en las imágenes», dijo Kobayashi. «Queríamos ver qué podía resolver la máquina por sí sola».

De hecho, el equipo, que también incluía al ingeniero de software de CZ Biohub, Keith Cheveralls, se sorprendió de la cantidad de información que el algoritmo pudo extraer de las imágenes.

«El grado de detalle en la localización de proteínas fue mucho más alto de lo que hubiéramos pensado», dijo Leonetti, cuyo grupo desarrolla herramientas y tecnologías para comprender la arquitectura celular. «La máquina transforma cada imagen de proteína en un vector matemático. Entonces puedes comenzar a clasificar las imágenes que se ven iguales. Nos dimos cuenta de que al hacerlo podíamos predecir, con alta especificidad, las proteínas que trabajan juntas en la célula con solo comparar sus imágenes. , lo cual fue algo sorprendente».

El primero de su tipo

Si bien ha habido algún trabajo previo sobre imágenes de proteínas utilizando modelos autosupervisados ​​o no supervisados, nunca antes se había utilizado con tanto éxito el aprendizaje autosupervisado en un conjunto de datos tan grande de más de 1 millón de imágenes que cubren más de 1300 proteínas medidas a partir de células humanas vivas, dijo Kobayashi, experto en aprendizaje automático e imágenes de alta velocidad.

Las imágenes fueron producto de OpenCell de CZ Biohub, un proyecto dirigido por Leonetti para crear un mapa completo de la célula humana, incluida la caracterización de los aproximadamente 20 000 tipos de proteínas que alimentan nuestras células. Las primeras 1.310 proteínas que caracterizaron se publicaron a principios de este año en Science, incluidas imágenes de cada proteína (producidas con un tipo de etiqueta fluorescente) y mapas de sus interacciones entre sí.

Cytoself fue clave para el logro de OpenCell (todas las imágenes están disponibles en opencell.czbiohub.org), proporcionando información muy granular y cuantitativa sobre la localización de proteínas.

«La cuestión de cuáles son todas las formas posibles en que una proteína puede localizarse en una célula, todos los lugares en los que puede estar y todos los tipos de combinaciones de lugares, es fundamental», dijo Royer. «Los biólogos han tratado de establecer todos los lugares posibles en los que puede estar, durante décadas, y todas las estructuras posibles dentro de una célula. Pero eso siempre lo han hecho los humanos al observar los datos. La pregunta es, ¿cuántas limitaciones y sesgos tienen los humanos? hizo este proceso imperfecto?»

Royer agregó: «Como hemos demostrado, las máquinas pueden hacerlo mejor que los humanos. Pueden encontrar categorías más finas y ver distinciones en las imágenes que son extremadamente finas».

El próximo objetivo del equipo para cytoself es rastrear cómo se pueden usar pequeños cambios en la localización de proteínas para reconocer diferentes estados celulares, por ejemplo, una célula normal frente a una célula cancerosa. Esto podría ser la clave para una mejor comprensión de muchas enfermedades y facilitar el descubrimiento de fármacos.

«La detección de drogas es básicamente prueba y error», dijo Kobayashi. «Pero con cytoself, este es un gran salto porque no necesitará hacer experimentos uno por uno con miles de proteínas. Es un método de bajo costo que podría aumentar mucho la velocidad de la investigación».

Fuente: https://phys.org/news/2022-08-ai-reveal-cell-biology-images.html

Deja una respuesta

Your email address will not be published.

Noticia anterior

Bailarín Isaac Hernández fomenta el arte como refugio y desarrollo en México

Siguiente noticia

Gobierno de México afirma que plan económico reduce inflación en 2,6 puntos