我们的细胞再向下一级究竟有什么？细胞核、线粒体、内质网、高尔基体…… 在中学生物课里我们知道了这些，然而它们就是亚细胞结构的全部吗？绝对不是！

加州大学圣地亚哥分校（UCSD）医学院的研究人员和合作者们，通过 AI 技术分析出了人类肾脏细胞的 70 种亚系统，发现其中有一半都是人类未知的。

这项研究登上了最新一期的 Nature。

肾细胞中一半成分未知

科学家研究细胞内部的结构主要使用两种技术:荧光显微镜成像和生物物理关联。

第一种方法是用荧光物质标定蛋白质，并在显微镜范围内跟踪它们的运动和关联。由此科学家们得到了人类蛋白质图谱（HPA）数据。

生物物理关联，是使用一种特定的抗体将蛋白质从细胞中拉出来，分析蛋白质上结合着什么。现在，科学家们已经有了 BioPlex 这一数据库。UCSD 的研究者们，就是将 HPA 与 BioPlex 中的蛋白质数据集合到一起，然后输入到深度神经网络中。AI 会对蛋白质之间的“距离”进行计算分析，最后得到多尺度整合细胞图谱（MuSIC Map）。

多年来，UCSD 团队一直对绘制细胞内部工作图感兴趣。MuSIC 的不同之处在于使用深度学习直接从细胞显微镜图像绘制细胞图谱。

此前，他们构建了一种叫做 DCell 的神经网络，并且用酿酒酵母细胞作为基础研究模型。他们用所有关于细胞生物学和细胞层次的知识库，来训练这个标准 AI 算法。DCell 可以根据基因突变的信息，预测细胞可能发生的行为，结果与实验室里的细胞行为几乎一致。

MuSIC 也是一种神经网络，与 DCell 的不同之处在于，它是细胞显微镜图像到亚细胞结构的映射。该团队已经将 MuSIC 的代码开源。

通过 MuSIC，研究人员发现了一组蛋白质形成一种过去不熟悉的结构，最终确定该结构是结合 RNA 的蛋白质新复合体，该复合体可能涉及染色质的剪接。

未来将扩展到所有人体细胞

搞清楚亚细胞结构对于发现疾病病因有重要的意义，因为大多数疾病都可以归结于细胞的哪个部分出了故障。例如，肿瘤之所以能够生长，是因为基因没能准确转化为特定蛋白质；代谢疾病是因为线粒体没能正常工作。但要了解在疾病中细胞的哪些部位出了故障，科学家首先需要一份完整的亚细胞结构清单。

这篇论文的通讯作者 Trey Ideker 教授指出，这是一项测试 MuSIC 技术的试点研究，他们只研究了 661 种蛋白质和一种细胞类型。

△ Trey Ideker 教授的实验室团队

Ideker 还表示，他们的下一步是研究整个人类细胞，然后再扩展到不同的细胞类型、人和物种。最终，通过比较健康和病变细胞之间的区别，更好地了解许多疾病的分子基础。

参考链接:

[1]/pressrelease/we-might-not-know-half-of-whats-in-our-cells-new-ai-technique-reveals

[2]/articles/s45-9

[3]/music/

[4]/idekerlab/MuSIC