文|陈根
一般来说，人类疾病实质上都是细胞故障的产物，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。要了解细胞的哪些部分出错从而导致疾病的发生，科学家首先需要对细胞有完整的了解。
为了更深入地了解细胞的内在机制，近日，美国加州大学地亚哥分校的研究人员开发了一种尺度集成细胞（MuSIC）的技术。该技术结合了生物化学和人工智能技术，揭示了以前未知的细胞成分，为人类发育和疾病研究提供了新途径。
首先，科学家使用两种技术来研究细胞内部的主要结构——荧光显微镜成像和生物物理关联。荧光显微镜成像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，由此得到人类蛋白质图谱（HPA）数据。
生物物理关联，即使用一种特定的抗体将蛋白质从细胞中分离出来，分析蛋白质上结合着什么，由此得到BioPlex数据库。之后，研究人员将HPA与BioPlex中的蛋白质数据集合到一起，输入深度神经网络中。
在机器学习过程中，它会将亚细胞分布或互作上相近的蛋白置于同一区块中。然后AI不断重复学习，对蛋白与蛋白之间的距离进行计算分析，最后形成一张多水平整合细胞图谱（multi-scale integrated cell 1.0，MuSIC 1.0）。
实验中，AI通过分析两部分数据库将一个催化前的剪接体放置在了48 nm蛋白社群中。AI还分析出这个蛋白下的两个亚单位U1和U2分别为8 nm和33 nm。研究人员通过冷冻电镜确定了这一预测结果，与实际相差不大。
值得一提的是，该研究还揭示了人类肾脏细胞系中包含的大约70种成分，其中一半是以前从未见过的。此外，还确定了一种新的结合RNA的蛋白质复合物。该复合物可能参在细胞剪接中扮演重要角色，并可帮助确定哪些基因在哪些时间被激活。
未来，基于该技术比较健康细胞和患病细胞的不同之处，或许能够更好地理解疾病的分子基础，从而在根源处阻止疾病的产生。
