محققان دریافتند که یک الگوریتم یادگیری ماشین می تواند محل پروتئین های مرتبط با اکتین را در lamellipodia و دیگر ساختارهای زیر سلولی تنها بر اساس محل خود اکتین پیش بینی کند. این رویکرد می تواند برای تجزیه و تحلیل سریع تصاویر میکروسکوپی و به طور بالقوه به عنوان جایگزینی برای استفاده از لکه های فلورسنت برای تشخیص پروتئین در سلول ها مفید باشد.

محققان موسسه علم و فناوری نارا (NAIST) نشان داده اند که یک برنامه یادگیری ماشین می تواند محل پروتئین های مرتبط با اکتین ، بخش مهمی از اسکلت سلولی را به طور دقیق پیش بینی کند.

شیرو سوتسگو ، نویسنده اصلی این مطالعه می گوید: "در حالی که قبلاً از هوش مصنوعی برای پیش بینی جهت مهاجرت سلولی بر اساس توالی تصاویر استفاده شده بود ، تا کنون از آن برای پیش بینی محل پروتئین استفاده نشده است. ما به دنبال طراحی یک الگوریتم یادگیری ماشین بودیم که بتواند بر اساس ارتباط پروتئین ها با سلولها ظاهر شود."

برای انجام این کار ، محققان یک سیستم هوش مصنوعی را آموزش دادند تا با نشان دادن تصاویری از سلول هایی که در آنها پروتئین ها با نشانگرهای فلورسنت برچسب گذاری شده اند ، نشان دهد که در کجا قرار دارند ، پیش بینی می کند که پروتئین های مرتبط با اکتین در سلول کجا خواهند بود. سپس ، آنها تصاویر برنامه را که در آن فقط اکتین برچسب گذاری شده بود ، ارائه کردند و از آن خواستند که به آنها بگوید پروتئین های مرتبط در کجا هستند.

سوتسگو می گوید: "یافته های ما نشان می دهد که از یادگیری ماشین می توان برای پیش بینی دقیق محل پروتئین های مرتبط با عملکرد و توصیف روابط فیزیکی بین آنها استفاده کرد."

201000518.055