摘要：多伦多大学的研究人员领导的一个国际研究小组绘制了酵母基因组编码的蛋白质在整个细胞周期中的运动图
由多伦多大学的研究人员领导的一个国际研究小组绘制了酵母基因组编码的蛋白质在整个细胞周期中的运动图。这是首次在整个细胞周期中跟踪生物体的所有蛋白质，这需要深度学习和高通量显微镜的结合。
该团队应用了两个卷积神经网络或算法，称为DeepLoc和CycleNet，来分析数百万活酵母细胞的图像。结果绘制出了一个全面的图谱，确定了蛋白质的位置，以及它们在细胞周期的每个阶段是如何在细胞内大量移动和变化。
图1 真核细胞周期中蛋白质组规模的运动和隔室连接
该研究的第一作者、多伦多大学唐纳利细胞和生物分子研究中心的博士后Athanasios Litsios说:“我们发现细胞内浓度有规律地增加和减少的蛋白质，往往参与调节细胞周期，而在细胞中具有可预测运动的蛋白质往往促进周期的生物物理实现。”
这项研究最近发表在《细胞》杂志上。
细胞周期被理解为细胞发展到最终分裂成独立细胞的阶段。正是这个过程奠定了生命增殖的基础，并且在所有生物中都在进行。
在分子水平上，细胞周期依赖于许多蛋白质的协调，将细胞从生长和DNA复制一直运送到细胞分裂。蛋白质的失调会扰乱细胞周期，而细胞周期的破坏可能导致癌症等疾病。
研究人员观察到，大约四分之一的酵母蛋白遵循规律的出现和消失，或移动到细胞的特定区域。大多数蛋白质要么集中，要么运动，但不是两者兼而有之。
图2 一种用于量化活细胞时空蛋白质组动力学的高含量筛选通路
Litsios说:“我们发现了大约400种蛋白质在细胞周期中只有周期性定位，大约800种蛋白质只有周期性浓度。这意味着蛋白质在多个水平上受到调节，以确保细胞周期按计划进行。”
研究小组利用荧光显微镜对酵母细胞图像中的4000多种蛋白质进行了追踪，并对细胞核、细胞质、线粒体等22个分类区域的细胞周期阶段和蛋白质位置进行了分类。通过使用卷积神经网络，相位和蛋白质位置识别是自动化的，细胞周期相位预测精度超过93%。
“我们分析了超过2000万个活酵母细胞的图像，使用机器学习将其分配到不同的细胞周期阶段，然后，我们开发并应用了第二个计算管道来调查蛋白质在细胞周期中如何在定位和浓度上发生变化。这项研究产生了一个独特的数据集，为细胞分裂过程中发生的分子变化提供了基因组尺度的视角。”该研究的首席研究员、唐纳利中心和Temerty医学院的分子遗传学教授Brenda Andrews说。
“酵母细胞是真核生物的一个很好的模型，我们可以用酵母细胞做某些事情，但用其他更简单或更复杂的生物却做不到。我们可以用酵母细胞来观察大规模过程，这使它成为研究细胞周期的完美生物——希望能更好地理解人类细胞周期。”
参考资料
[1] Proteome-scale movements and compartment connectivity during the eukaryotic cell cycle
摘要：多伦多大学的研究人员领导的一个国际研究小组绘制了酵母基因组编码的蛋白质在整个细胞周期中的运动图
由多伦多大学的研究人员领导的一个国际研究小组绘制了酵母基因组编码的蛋白质在整个细胞周期中的运动图。这是首次在整个细胞周期中跟踪生物体的所有蛋白质，这需要深度学习和高通量显微镜的结合。
该团队应用了两个卷积神经网络或算法，称为DeepLoc和CycleNet，来分析数百万活酵母细胞的图像。结果绘制出了一个全面的图谱，确定了蛋白质的位置，以及它们在细胞周期的每个阶段是如何在细胞内大量移动和变化。
图1 真核细胞周期中蛋白质组规模的运动和隔室连接
该研究的第一作者、多伦多大学唐纳利细胞和生物分子研究中心的博士后Athanasios Litsios说:“我们发现细胞内浓度有规律地增加和减少的蛋白质，往往参与调节细胞周期，而在细胞中具有可预测运动的蛋白质往往促进周期的生物物理实现。”
这项研究最近发表在《细胞》杂志上。
细胞周期被理解为细胞发展到最终分裂成独立细胞的阶段。正是这个过程奠定了生命增殖的基础，并且在所有生物中都在进行。
在分子水平上，细胞周期依赖于许多蛋白质的协调，将细胞从生长和DNA复制一直运送到细胞分裂。蛋白质的失调会扰乱细胞周期，而细胞周期的破坏可能导致癌症等疾病。
研究人员观察到，大约四分之一的酵母蛋白遵循规律的出现和消失，或移动到细胞的特定区域。大多数蛋白质要么集中，要么运动，但不是两者兼而有之。
图2 一种用于量化活细胞时空蛋白质组动力学的高含量筛选通路
Litsios说:“我们发现了大约400种蛋白质在细胞周期中只有周期性定位，大约800种蛋白质只有周期性浓度。这意味着蛋白质在多个水平上受到调节，以确保细胞周期按计划进行。”
研究小组利用荧光显微镜对酵母细胞图像中的4000多种蛋白质进行了追踪，并对细胞核、细胞质、线粒体等22个分类区域的细胞周期阶段和蛋白质位置进行了分类。通过使用卷积神经网络，相位和蛋白质位置识别是自动化的，细胞周期相位预测精度超过93%。
“我们分析了超过2000万个活酵母细胞的图像，使用机器学习将其分配到不同的细胞周期阶段，然后，我们开发并应用了第二个计算管道来调查蛋白质在细胞周期中如何在定位和浓度上发生变化。这项研究产生了一个独特的数据集，为细胞分裂过程中发生的分子变化提供了基因组尺度的视角。”该研究的首席研究员、唐纳利中心和Temerty医学院的分子遗传学教授Brenda Andrews说。
“酵母细胞是真核生物的一个很好的模型，我们可以用酵母细胞做某些事情，但用其他更简单或更复杂的生物却做不到。我们可以用酵母细胞来观察大规模过程，这使它成为研究细胞周期的完美生物——希望能更好地理解人类细胞周期。”
参考资料
[1] Proteome-scale movements and compartment connectivity during the eukaryotic cell cycle
