Znanstvenici pri laboratoriju Chan Zuckerberg Biohub pri Sveučilištu u Stanfordu razvili su metodu strojnog učenja pomoću koje je moguće kvantitativno analizirati i uspoređivati slike - konkretno, mikroskopske snimke bjelančevina - bez prethodno stečenog znanja o njima.

Rezultati istraživanja su objavljeni u časopisu Nature Methods.

Njihov algoritam, nazvan cytoself, nudi brži pristup obilju informacija o lokaciji bjelančevine i njenoj funkciji u stanici. Mogao bi staničnim biolozima skratiti vrijeme istraživanja, pa i otkrivanja novih lijekova te provjeru postojećih.

Svaka ljudska stanica sadrži oko deset tisuća različitih vrsta bjelančevina.

Neke funkcioniraju samostalno, brojne druge međusobno surađuju kako bi obavili razne zadaće u raznim dijelovima stanice, ne bi li ju održali u dobrom stanju.

Cytoself je alat otvorenog koda, dostupan svima. Primjer je strojnog učenja pod vlastitim nadzorom, što znači kako ljudi nisu podučavali strojeve o slikama proteina.

U stvari, iznenadio je istraživače količinom informacija koje je uspio samostalno izvući iz slika.

Pritom je svaku sliku bjelančevine pretvorio u matematički vektor, što je omogućilo rangiranje slika koje djeluju identično.

Temeljem toga su istraživači mogli, s visokom razinom specifičnosti, predvidjeti koje bjelančevine rade zajedno temeljem uspoređivanja njihovih slika.

Cytoself je radio na povećoj bazi s više od milijun slika koje prikazuju više od 1.300 proteina iz živih ljudskih stanica. Ta je baza nastala u sklopu projekta OpenCell s ciljem mapiranja ljudske stanice, što je obuhvaćalo i opis oko 20 tisuća vrsta proteina u njima.

Idući korak je praćenje kako male promjene u lokalizaciji bjelančevina mogu biti korištene za prepoznavanje različitih stanja stanice (primjerice, zdrave naspram stanice koja je metastazirala zbog raka).

To bi moglo dovesti do boljeg razumijevanja brojnih bolesti i olakšati otkrivanje lijekova, piše Phys.org.