由多伦多大学研究人员领导的一个国际团队绘制了酵母基因组编码的蛋白质在整个细胞周期中的运动图。这是第一次在整个细胞周期中追踪生物体的所有蛋白质，这需要深度学习和高通量显微镜的结合。
该团队应用了两种称为 DeepLoc 和 CycleNet 的卷积神经网络或算法来分析数百万个活酵母细胞的图像。结果是一张全面的图谱，确定蛋白质的位置以及它们在细胞周期的每个阶段如何在细胞内移动和丰度变化。
该研究的第一作者Athanasios Litsios表示：“我们发现细胞内浓度定期增加和减少的蛋白质往往参与调节细胞周期，而在细胞内可预测运动的蛋白质往往有助于促进细胞周期的生物物理实现。” 多伦多大学 唐纳利细胞和生物分子研究中心博士后研究员。
该研究最近 发表在《细胞》杂志上 。
细胞周期被理解为细胞进展到最终分裂成单独细胞的阶段。正是这个过程构成了生命增殖的基础，并且在所有生物中都在持续进行。
在分子水平上，细胞周期取决于许多蛋白质的协调，以引导细胞从生长和 DNA 复制一直到细胞分裂。蛋白质的失调会扰乱细胞周期，其破坏可能导致癌症等疾病。
研究人员观察到，大约四分之一的映射酵母蛋白遵循规律的出现和消失或移动到细胞特定区域的模式。大多数蛋白质都遵循这些集中或运动模式，但不是两者兼而有之。
“我们鉴定出大约 400 种蛋白质在细胞周期中仅具有周期性定位，而大约 800 种蛋白质仅具有周期性集中，”Litsios 说。 “这意味着蛋白质在多个层面上受到调节，以确保细胞周期按程序进行。”
研究小组使用荧光显微镜追踪酵母细胞图像中的约 4,000 种蛋白质，以对细胞周期阶段进行分类，以及蛋白质在细胞核、细胞质和线粒体等 22 个分类区域内的位置。通过使用卷积神经网络实现相位和蛋白质位置识别的自动化，细胞周期相位预测的准确度超过 93%。
“我们分析了超过 2000 万个活酵母细胞的图像，并使用机器学习将它们分配到不同的细胞周期阶段，” 该研究的首席研究员、 Donnelly 中心和 Temerty 学院的分子遗传学大学教授Brenda Andrews说。药品。 “然后，我们开发并应用了第二个计算管道来调查蛋白质在细胞周期中的定位和浓度如何变化。这项研究产生了一个独特的数据集，提供了细胞分裂过程中发生的分子变化的基因组规模视图。”
“酵母细胞是真核生物学的一个很好的模型，”利齐奥斯说。 “我们可以用酵母细胞做一些事情，但不能用其他更简单或更复杂的生物体来做。我们可以使用酵母细胞大规模观察过程，这使其成为研究细胞周期的完美生物体，希望更好地了解人类细胞周期。”
这项研究得到了加拿大创新基金会、加拿大健康研究所、美国国立卫生研究院和安大略研究基金的支持。