UCSD团队一直对绘制细胞内部工作图感兴趣

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，可是它们就是亚细胞结构的全部吗

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。在一个时间步内完成复杂计算后，施加不同的电压脉冲，下一个瞬间能完成另一项计算任务。

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

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

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: