在一项新的研究中，来自加拿大多伦多大学等研究机构的研究人员成功绘制出酵母基因组编码蛋白在完整细胞周期中的精密运动与分布图谱。这是首次运用深度学习与高通量显微镜技术，对有机体的所有蛋白质在整个细胞周期中的行为进行全面追踪。相关研究结果近期发表在Cell期刊上，论文标题为“Proteome-scale movements and compartment connectivity during the eukaryotic cell cycle”。
为此，这些作者应用了两种卷积神经网络（或称算法），即 DeepLoc 和 CycleNet，对数百万个活酵母细胞的图像进行了深度解析。由此，一幅详尽的细胞内蛋白质运动全景图得以呈现，清晰揭示了所有蛋白质在细胞周期各阶段的空间分布、迁移路径以及丰度波动。
论文第一作者、多伦多大学唐纳利细胞与生物分子研究中心博士后Athanasios Litsios说，“我们发现，那些在细胞周期中呈现出规律性浓度升降的蛋白质，往往在调控细胞周期进程方面发挥关键作用；而那些遵循可预测移动模式的蛋白质，则在生物物理层面上推动细胞周期的有序进行。”
细胞周期，作为细胞从生长、DNA复制直至最终分裂成两个独立子细胞的必经历程，是生命繁衍的基础，在所有生物体内持续上演。这一复杂过程高度依赖于众多蛋白质的精密协同，任何蛋白质功能的失常都可能导致细胞周期紊乱，进而诱发癌症等严重疾病。
研究揭示，约四分之一的酵母蛋白质呈现出规律性的空间定位转移或浓度波动。大部分蛋白质呈现出聚集或移动这两种行为之一，而非同时兼具。Litsios进一步指出：“我们观察到大约400种蛋白质仅表现出周期性的定位变化，另有约800种仅表现出周期性的聚集现象。这揭示了蛋白质受到多层级调控，以确保细胞周期按预定程序精准运行。”
研究人员利用荧光显微镜追踪了酵母细胞图像中约4000种蛋白，对细胞周期阶段以及蛋白在细胞核、细胞质和线粒体等22个分类区域内的位置进行了分类。通过使用卷积神经网络，对细胞周期阶段和蛋白位置的识别实现了自动化，细胞周期阶段预测准确率超过93%。
图片来自Cell, 2024, doi:10.1016/j.cell.2024.02.014
论文共同通讯作者、多伦多大学唐纳利细胞与生物分子研究中心分子遗传学教授Brenda Andrews说，“我们对超过2000万张活酵母细胞图像进行了细致分析，通过机器学习将其归入不同的细胞周期阶段。接着，我们构建并运用了第二套计算模型，以探究蛋白质在细胞周期中的定位变化和浓度动态。此项研究孕育出独一无二的数据集，为我们呈现了细胞分裂过程中基因组规模的分子事件全景。”
Litsios 说，“酵母作为真核生物的理想模型，其独特优势在于能够让我们观测到大规模的生物学过程，这是在其他更简单或更复杂的生物体中难以实现的。通过研究酵母细胞周期，我们有望深化对人类细胞周期机制的理解。”
参考资料：
Athanasios Litsios et al. Proteome-scale movements and compartment connectivity during the eukaryotic cell cycle. Cell, 2024, doi:10.1016/j.cell.2024.02.014.
Researchers map protein network dynamics during cell division

https://phys.org/news/2024-04-protein-network-dynamics-cell-division.html
本文仅用于学术分享，转载请注明出处。若有侵权，请联系微信：bioonSir 删除或修改！
继续阅读
阅读原文