mientras más, mejor
“TomoTwin allana el camino para el reconocimiento automatizado y la localización directa de proteínas en su entorno celular, ampliando el potencial de crio-ET”, dice Gavin Rice, coautor de la publicación. Cryo-ET tiene el potencial de descifrar cómo funcionan las biomoléculas dentro de una célula y así revelar la base de la vida y el origen de las enfermedades.
En el experimento crio-ET, los científicos usan un microscopio electrónico de transmisión para obtener imágenes tridimensionales, llamadas tomogramas, del volumen celular que contiene biomoléculas complejas. Para obtener una imagen más detallada de cada proteína diferente, promedian tantas copias como pueden, de manera similar a los fotógrafos que toman la misma foto con diferentes exposiciones para luego combinarla en una foto completamente expuesta. Fundamentalmente, uno debe identificar y ubicar correctamente las diferentes proteínas en la imagen antes de promediarlas. «Los científicos pueden obtener cientos de imágenes de tomografía computarizada al día, pero carecemos de las herramientas para identificar completamente las moléculas que hay en su interior», dice Rice.
recogida a mano
Hasta ahora, los investigadores han utilizado algoritmos basados en plantillas de estructuras moleculares ya conocidas para buscar coincidencias en los diagramas de TC, pero tienden a ser propensos a errores. La selección manual de partículas es otra opción que garantiza una selección de alta calidad, pero lleva de días a semanas por conjunto de datos.
Otra posibilidad es utilizar alguna forma de aprendizaje automático supervisado. Estas herramientas pueden ser muy precisas, pero actualmente carecen de usabilidad, ya que requieren el etiquetado manual de miles de ejemplos para entrenar el programa en cada nueva proteína, una tarea casi imposible para pequeñas moléculas biológicas en un entorno celular abarrotado.
Tomotoín
El software TomoTwin recientemente desarrollado supera muchos de estos obstáculos: aprende a seleccionar moléculas que tienen una forma similar dentro de un tomograma y las coloca en un espacio geométrico; el sistema es recompensado por colocar proteínas similares cerca unas de otras y castigarlas de lo contrario. En el nuevo mapa, los investigadores pueden aislar y señalar diferentes proteínas y usarlas para determinar su ubicación dentro de una célula. “Una de las ventajas de TomoTwin es que proporcionamos un modelo de preparación de pedidos previamente entrenado”, dice Rice. Al eliminar el paso de entrenamiento, el programa se puede ejecutar incluso en computadoras locales; donde el procesamiento tomográfico generalmente requiere de 60 a 90 minutos, el tiempo de ejecución en la supercomputadora MPI Raven se reduce a 15 minutos por tomograma.
TomoTwin permite a los investigadores seleccionar docenas de imágenes tomográficas en el tiempo que se tarda en seleccionar una manualmente, lo que aumenta el rendimiento de datos y la tasa promedio para obtener una mejor imagen. Actualmente, el software puede localizar proteínas globulares o complejos de proteínas de más de 150 kDa en las células; En el futuro, el grupo de Raunser pretende incluir proteínas de membrana, proteínas filamentosas y proteínas de menor tamaño.
«Gurú del alcohol. Analista. Defensor de la comida. Aficionado extremo al tocino. Experto total en Internet. Adicto a la cultura pop. Pionero de viajes sutilmente encantador».