Израильские биологи разработали ИИ-модель, распознающую белки в живой клетке
Ученые из Института Вейцмана разработали ИИ-модель, которая способна по одному снимку распознавать десятки белков, работающих в клетке. Работа опубликована в журнале Nature Biotechnology.
В геноме человека около 20 тысяч генов, и примерно половина из них производит различные белки, которые и делают главную работу в клетке. "Чтобы понять, как работает конкретная ткань, крайне важно измерить и проанализировать множество ее белков", – говорит соавтор работы доктор Лиат Керен. Эти знания жизненно важны для изучения процессов заболеваний, в том числе рака.
До сих пор с помощью метода флуоресцентного окрашивания ученым удавалось увидеть только 3-4 белка, и процесс распознавания белков занимал недели.
Технология, разработанная в Институте Вейцмана, получила название CombPlex. В отличие от традиционных методов CombPlex может одновременно визуализировать больше двадцати белков в отдельных клетках и делать это быстро на доступном в обычной клинике оборудовании.
Доктор Керен и ее команда прикрепили к каждому белку не одну флуоресцентную метку, как это всегда делалось, а сразу несколько. Это позволило маркировать белок уникальной комбинацией подсвеченных меток, своего рода штрих кодом. Причем различных меток надо немного. Например, чтобы пометить 20 белков нужны 5 меток. 10 меток достаточно, чтобы пометить уникальными штрих-кодами более тысячи белков. Но идентификация таких штрихкодов в реальной клетке оказалась сложным делом.
Команда обучила нейронную сеть, чтобы справиться с задачей идентификации белков на фотографии клетки. ИИ-модель обучалась на многочисленных флуоресцентных изображениях отдельных белков, полученных в лабораториях по всему миру. При демонстрации CombPlex распознал 22 белка по 5 флуоресцентным меткам. Ученые рассчитывают добавить еще одну метку и использовать метод для распознавания сотни белков.
Для работы CombPlex нужен только флуоресцентный микроскоп, а такие устройства есть во многих клиниках, так что метод обещает облегчить изучение тканей в обычных медицинских лабораториях. "Мы надеемся, что CombPlex однажды заменит традиционные методы, поскольку он обеспечивает более полный взгляд на ткани и позволяет более точно принимать клинические решения", – говорит доктор Керен.
Израильские ученые научили ИИ предсказывать лесные пожары, вызванные молнией
ИИ-модель, разработанная учеными из Университета Бар-Илан, с 90% точностью предсказывает лесные пожары, вызванные молниями. Работа опубликована в журнале Scientific Reports.
Ежегодно в атмосфере возникает более миллиарда молний. Примерно четверть из них достигает поверхности Земли. Это около 300-400 миллионов разрядов. Но к лесным пожарам приводит лишь небольшая часть молний по всему миру. По существующим оценкам, это – тысячи молний ежегодно. Молнии являются главной причиной лесных пожаров в таких местах, как тайга и горы, где живет мало людей. Эти пожары обычно начинаются не сразу, они могут тлеть незамеченными в течение многих дней, пока не начнется массовое возгорание, остановить которое очень трудно. Катастрофические лесные пожары Калифорнии в августе 2020 года были вызваны ударами молний.
Возможность по мониторингу молний предсказать вероятность лесного пожара сегодня жизненно необходима, учитывая идущее глобальное потепление. Молнии все чаще становятся причиной масштабных лесных пожаров.
Ученые из Бар-Иланского университета в сотрудничестве с экспертами из университетов Ариэля и Тель-Авива использовали семилетние глобальные спутниковые данные высокого разрешения, подробные экологические факторы, такие как характер растительности, погодные условия, топография и многие другие для картирования и прогнозирования рисков лесных пожаров, вызванных молниями. Обученная на основе этих разнообразных данных модель может предсказывать, где и когда удары молнии с наибольшей вероятностью вызовут лесные пожары, пишет Newsru.co.il.
Модель устраняет ключевой пробел в существующих системах прогнозирования лесных пожаров: многие модели эффективны для пожаров, вызванных деятельностью человека, но они недостаточно точно предсказывают пожары, вызванные молниями, которые ведут себя совершенно по-другому и часто начинаются в труднодоступных районах. Модель была тщательно протестирована с использованием данных о лесных пожарах за 2021 год и показала уровень точности более 90%. Ученые считают, что включение модели в мировые системы мониторинга лесных пожаров может радикально улучшить ситуацию.
«Мы находимся на критическом этапе понимания сложности возгораний лесных пожаров, – говорит соавтор работы доктор Орен Гликман. – Машинное обучение предлагает потенциал для революционного изменения того, как мы прогнозируем и реагируем на лесные пожары, вызванные молниями, предоставляя информацию, которая может спасти жизни и сохранить экосистемы».