Une intelligence artificielle permet de voir l’invisible à l’intérieur des cellules

En combinant des données issues de microscopie et de biochimie, un programme de machine learning a appris à cartographier l’intérieur des cellules, identifiant des structures jusqu’alors inconnues.

Grâce à une intelligence artificielle, des chercheurs de l’Université de Californie à San Diego (États-Unis) ont réussi à dépasser les capacités des microscopes les plus puissants pour cartographier l’intérieur des cellules à un niveau jamais atteint auparavant. “La cellule est essentiellement une collection de machines moléculaires, imbriquées les unes dans les autres, résume Trey Ideker, professeur de bio-informatique dans cette université et auteur de l’étude parue dans le 24 novembre 2021. Nous avons voulu regarder de près toutes ces structures de la cellule, y compris les molécules à l’intérieur de ces structures.” Pour le faire, leur intelligence artificielle (IA), nommée MuSIC (pour Multi-scale integrated cell ou cellule à plusieurs échelles intégrées) a combiné des données de microscopie et de biochimie afin de reconstituer toutes les structures protéiques à l’intérieur de la cellule.

Combiner les données microscopiques et biochimiques

Actuellement, il existe deux façons d’étudier l’environnement des protéines à l’intérieur d’une cellule : soit en les regardant avec un microscope grâce par exemple à des marqueurs fluorescents, soit en la purifiant et en analysant les protéines qui l’accompagnent. Mais ces deux approches ont des limites techniques qui ne permettent pas d’aller au-delà d’un certain seuil de détection. Cependant, combiner ces deux façons de voir les protéines permet de mieux estimer leur position dans la cellule. Une tâche qui nécessite d’analyser des tonnes de données : un exercice impossible pour nos cerveaux, mais tout à fait faisable pour une intelligence artificielle.

En regardant beaucoup d’images de cellules où une protéine donnée est marquée, la machine apprend à estimer sa position intra-cellulaire naturelle. Puis, en regardant d’autres images avec d’autres protéines, le programme peut estimer leurs positions et donc la distance qui les sépare des autres protéines analysées. “Comme le cerveau humain, qui peut garder en mémoire une im[...]

Lire la suite sur sciencesetavenir.fr

A lire aussi