Generative machine learning unlocks the first proteome-wide image of human cells

In dit artikel wordt ProtiCelli voorgesteld, een diep generatief model dat op basis van slechts drie celmarkeringen gesimuleerde microscopieafbeeldingen genereert voor 12.800 menselijke eiwitten, waardoor voor het eerst een proteoombreed beeld van virtuele cellen ontstaat dat de ruimtelijke organisatie en dynamiek van eiwitten in menselijke cellen in kaart brengt.

De kern

ProtiCelli: De "AI-Regisseur" die een complete film van een menselijke cel maakt

Stel je voor dat een menselijke cel een enorme, drukke stad is. In deze stad wonen ongeveer 20.000 verschillende soorten burgers (eiwitten). Elke burger heeft een specifieke baan en een vaste plek waar hij of zij werkt: sommigen in het stadhuis (de kern), anderen in de fabrieken (mitochondriën) of in de wegen (microtubuli).

Het probleem is dat wetenschappers tot nu toe maar heel weinig van deze burgers tegelijk konden zien. Het was alsof je probeerde een foto te maken van een stad, maar je camera maar drie kleuren had. Je zag misschien de wegen, het stadhuis en de rivier, maar je miste de rest van de stad. Om alle burgers te zien, moesten ze één voor één worden gefotografeerd, wat jaren zou duren en onmogelijk is om allemaal tegelijk te doen.

De Oplossing: ProtiCelli
In dit paper presenteren de onderzoekers ProtiCelli. Dit is een superkrachtige kunstmatige intelligentie (AI) die werkt als een slimme regisseur.

• De Input: ProtiCelli krijgt slechts drie basisinformaties: een foto van de kern, de endoplasmatische reticulum (een soort interne weg) en de microtubuli (de skeletten van de cel).
• De Magie: Op basis van deze drie "landmarks" (landmerken) en een enorme database van 1,23 miljoen bestaande foto's, droomt ProtiCelli de rest van de stad in. Het genereert realistische beelden van 12.800 verschillende eiwitten tegelijk, alsof je ineens een foto hebt van elke burger in de stad, op hun juiste plek.

Hoe werkt het? (De Analogie van de Chef-kok)
Stel je voor dat ProtiCelli een chef-kok is die al duizenden keer heeft gezien hoe een perfecte pizza eruitziet.

1. Je geeft de chef een foto van de pizza met alleen de saus en de kaas (de drie landmerken).
2. De chef weet precies waar de pepperoni, de champignons en de oregano moeten liggen, omdat hij dat heeft geleerd van duizenden andere pizza's.
3. Hij "tekent" de rest van de pizza erbij. Het resultaat ziet eruit alsof je echt naar een pizza hebt gekeken, maar je hebt alleen de basisinformatie gebruikt.

Wat kan deze AI nu doen?

1. De "Virtual Cell" Bibliotheek:
   De onderzoekers hebben met ProtiCelli een database gemaakt genaamd Proteome2Cell. Dit is een collectie van 30,7 miljoen gegenereerde foto's. Het is alsof ze een bibliotheek hebben gebouwd met 2.400 verschillende "virtuele cellen" (zoals U2OS, HeLa, enz.). Voor het eerst kunnen wetenschappers kijken naar alle eiwitten in één cel tegelijk, zonder dat ze een dure microscoop nodig hebben.

2. Het Oplossen van mysteries (Moonlighting):
   Sommige eiwitten doen twee verschillende banen op twee verschillende plekken (zoals een acteur die overdag leraar is en 's avonds zanger). ProtiCelli kan laten zien dat een eiwit in de ene cel bij de kern zit en in een andere cel bij de mitochondriën. Dit helpt om te begrijpen hoe ziektes ontstaan als deze eiwitten op de verkeerde plek belanden.

3. Voorspellen van medicijnwerking:
   Als je een medicijn geeft (zoals een chemotherapie), verandert de "stad" van de cel. De onderzoekers lieten zien dat ProtiCelli, puur op basis van hoe de cel eruitziet (de vorm), kan voorspellen hoe bepaalde eiwitten reageren op medicijnen. Het is alsof je naar de vorm van een gebouw kijkt en kunt voorspellen welke lichten er gaan branden als je een brandalarm activeert.

4. De "Google Maps" van de cel:
   De AI kan de cel automatisch in kaart brengen zonder dat er speciale markers nodig zijn. Het kan zeggen: "Hier is de mitochondriën-straat" en "Daar is de kern-straat", zelfs als je dat niet expliciet hebt gevraagd. Dit helpt om te zien waar specifieke chemische processen (zoals vetverbranding) precies plaatsvinden.

Waarom is dit belangrijk?
Vroeger moesten wetenschappers wachten tot ze een specifieke eiwit-foto hadden. Nu kunnen ze direct kijken naar het complete plaatje. ProtiCelli vult de gaten in onze kennis in. Het maakt het mogelijk om ziektes zoals kanker of neurodegeneratie beter te begrijpen door te kijken naar hoe de hele "stad" van de cel in elkaar zit, in plaats van alleen naar één straatje.

Conclusie
ProtiCelli is een revolutionaire stap. Het verandert de manier waarop we naar cellen kijken: van het tellen van losse deeltjes naar het simuleren van een compleet, levend systeem. Het democratiseert de wetenschap, zodat elke onderzoeker, zelfs zonder de duurste apparatuur, toegang heeft tot een "virtuele cel" om nieuwe ontdekkingen te doen.

Technische samenvatting

Probleemstelling

De ruimtelijke organisatie van eiwitten binnen cellen is fundamenteel voor bijna alle cellulaire functies. Echter, huidige beeldvormingstechnieken (zoals immunofluorescentie-microscopie) kunnen slechts tientallen eiwitten tegelijk visualiseren, wat een groot aantal ordes van grootte lager ligt dan de duizenden eiwitten die een menselijke cel bevatten. Experimentele benaderingen voor multiplexing zijn beperkt tot gemiddeld 37 eiwitten per cel en kunnen niet alle eiwitten in elke celtype en elke stoornisconditie (zoals drugsperturbaties) tegelijkertijd in kaart brengen. Dit creëert een schaalbaarheidskloof die het begrijpen van complexe celarchitectuur en ziektemechanismen belemmert.

Methodologie: ProtiCelli

De auteurs presenteren ProtiCelli, een diep generatief model dat microscopie-afbeeldingen simuleert voor 12.800 menselijke eiwitten, gebaseerd op slechts drie celmarkeringen (landmarks).

• Architectuur: Het model is een conditionele denoising diffusion model (DDM) gebouwd op de Diffusion Transformer Large (DiT-L) architectuur, geïmplementeerd binnen het Elucidating Diffusion Models (EDM) framework voor tijdsefficiëntie.
• Input: Het model neemt drie kanalen als input: de kern (nucleus), het endoplasmatisch reticulum (ER) en microtubuli.
• Training: Het model is getraind op een dataset van ongeveer 1,23 miljoen afbeeldingen van het Human Protein Atlas (HPA). Deze dataset omvat 12.800 menselijke eiwitten verspreid over 39 verschillende cel lijnen (zowel kanker- als niet-kanker oorsprong).
• Latente Ruimte: Voor efficiëntie gebruikt ProtiCelli Latent Diffusion. Een vooraf getrainde Variational Autoencoder (VAE) van Stable Diffusion 3.5 encodeert de afbeeldingen naar een latente ruimte (16 × 64 × 64), waar de diffusie plaatsvindt, voordat ze weer worden gedecodeerd naar pixelruimte (512×512 pixels).
• Conditionering: Het model wordt gestuurd door conditionele embeddings voor eiwitidentiteit, cel lijn-identiteit en tijdstappen. Om generalisatie te bevorderen, wordt tijdens het trainen "conditioning dropout" toegepast op de cel lijn-embeddings.

Belangrijkste Bijdragen

1. Proteoom-schaal Virtuele Kleuring: ProtiCelli kan voor elk van de 12.800 eiwitten realistische, hoogresolutie afbeeldingen genereren, wat resulteert in een dataset genaamd Proteome2Cell. Deze bevat 30,7 miljoen gesimuleerde afbeeldingen van "virtuele cellen" over 12 menselijke cel lijnen.
2. Super-plexing: Het model maakt het mogelijk om "super-plexed" cellen te visualiseren, waarbij alle eiwitten binnen één enkele cel tegelijkertijd worden weergegeven, een experimenteel onmogelijke prestatie met huidige technologie.
3. Nieuwe Evaluatiekaders: De auteurs stellen een uitgebreid evaluatiekader op dat verder gaat dan technische metrics, inclusief biologische validatie zoals het voorspellen van eiwitinteracties, celtoestanden en drugseffecten.
4. Integratie met HPA: Alle gegenereerde data is geïntegreerd in de Human Protein Atlas database, waardoor onderzoekers wereldwijd toegang krijgen tot deze "virtuele cellen".

Resultaten

• Superieure Prestaties: ProtiCelli presteert significant beter dan bestaande state-of-the-art modellen (zoals PUPS en CellDiff) op het gebied van reconstructie-accuraatheid, textuurgetrouwheid en perceptuele kwaliteit (gemeten via Fréchet Inception Distance). Het model kan complexe subcellulaire patronen (zoals nucleaire vlekjes of Golgi-apparaten) nauwkeuriger reproduceren.
• Generalisatie: Het model generaliseert robuust naar ongezette cel lijnen (bijv. MDA-MB-468) en experimentele condities (zoals behandeling met Paclitaxel of Vorinostat) die niet in de trainingsdata zaten. Het kan zelfs drug-geïnduceerde veranderingen in eiwitlokalisatie voorspellen puur op basis van celmorfologie.
• Biologische Validatie:
  • Hiërarchische Organisatie: De gegenereerde afbeeldingen behouden de hiërarchische ruimtelijke organisatie van de cel (van kern/cytoplasma tot specifieke organellen).
  • Eiwit-Eiwit Interacties: Het model kan bekende interacties tussen eiwitten correct voorspellen; interacterende eiwitten tonen een hogere ruimtelijke correlatie in de gegenereerde afbeeldingen dan willekeurige paren.
  • Moonlighting Eiwitten: Het model kan "moonlighting" eiwitten (eiwitten met meerdere functies op verschillende locaties) onderscheiden, zoals P4HA2 dat zowel in het ER als in de nucleoplasma voorkomt met verschillende interactiepartners.
  • Celdelingsvoorspelling: Hoewel de basisprestaties voor celcyclusmarkers beperkt waren, kon het model na een korte fine-tuning de celcyclusfase (G1, S, G2) nauwkeurig voorspellen zonder specifieke markers.
• Ongecontroleerde Segmentatie: Het model stelt onderzoekers in staat om subcellulaire compartimenten te segmenteren en genen sets ruimtelijk te ontwarren zonder specifieke organellen-markers, wat leidt tot nieuwe inzichten in processen zoals lipidenmetabolisme.

Betekenis en Toekomstperspectief

ProtiCelli vertegenwoordigt een fundamentele doorbraak in de ruimtelijke proteomica. Het overbrugt de kloof tussen experimentele schaalbaarheid en de complexiteit van het celproteoom.

• Democratisering: Het maakt proteoom-schaal analyse toegankelijk voor onderzoekers zonder geavanceerde microscopie-infrastructuur.
• Virtuele Cel Modellen: Het legt de basis voor "virtuele cellen" die in silico kunnen worden gesimuleerd, wat nieuwe wegen opent voor functionele genomica en precisiegeneeskunde.
• Toepassingen: Het model kan worden gebruikt voor het prioriteren van experimenten, het begrijpen van ziektemechanismen (zoals eiwitmislokalisatie bij neurodegeneratie), en het bestuderen van drugswerking op proteoom-niveau.

Kortom, ProtiCelli transformeert de ruimtelijke proteomica van het catalogiseren van individuele eiwitten naar het simuleren van complete, dynamische celsystemen.