使用机械模型和机器学习来设计单色多重化新生链跟踪实验

科学领域:

• 分子生物学分子生物学
• 细胞生物学 细胞生物学
• 生物物理学的生物物理.

背景情况:

• mRNA翻译是一个基本的细胞过程,对蛋白质合成至关重要.
• 新生链追踪 (NCT) 能够在活细胞中单分子分辨出mRNA翻译动态.
• 由于光标签的限制,目前的NCT方法仅限于同时观察一个或两个mRNA物种.

研究的目的:

• 开发一种计算策略,以增强新生链跟踪 (NCT) 的多重复合能力.
• 通过使用先进的成像技术,在单个细胞内同时观察多种mRNA物种.
• 探索新的实验设计来研究复杂的细胞过程,如细胞信号传递.

主要方法:

• 开发了一个混合计算管道,将详细的机械模拟与机器学习 (ML) 集成在一起.
• 模拟生成了现实的NCT视频来评估实验设计.
• 使用ML算法评估了使用有限的光标签解决多种mRNA物种的潜力.

主要成果:

• 拟议的混合战略表明,有可能显著增加可同时追踪的mRNA物种的数量.
• 一个模拟的NCT实验成功地在单个细胞内使用仅两个光标签识别了七种不同的mRNA物种.
• 基于ML的标签在识别单个mRNA翻译点方面达到90%的准确性.

结论:

• 开发的计算方法提供了一种可行的方法来扩展NCT的复杂化能力.
• 这一进步允许同时监测多个mRNA,开辟了活细胞成像的新途径.
• 这些发现特别适用于细胞信号研究,需要同时分析各种mRNA动态.