Liksom lastkajchefer vid ett skeppslager fungerar kärnporkomplex som portvakter till cellens högkvarter och kontrollerar trafiken ut ur kärnan.
En forskare från North Carolina State University var en del av en ny studie, publicerad iNano Letters , som avslöjade en metod för att bättre förstå vad som händer i bilder av dessa små porer – ett fynd som de hoppas att forskare kan bygga vidare på för att både studera kärnporkomplex och förstå deras roll i cellutveckling och sjukdomar.
Specifikt kom forskare på en metod för att använda maskininlärning för att hjälpa till att differentiera kärnporkomplex i bilder av celler. The Abstract talade med Yang Zhang, biträdande professor i textilkemi, teknik och vetenskap vid NC State, om studien.
Yang Zhang:De är kanaler i nanostorlek, utrustade med proteiner, i kärnans membran. De används för att transportera biomolekyler, såsom DNA, proteiner eller andra molekyler, från kärnan till cellens cytoplasma. De är gatekeepers för många cellaktiviteter, som transkription, vilket är ett av de första stegen i att omvandla DNA till proteiner.
Zhang:Trafik genom dessa kärnporer kan kontrollera sjukdomsvägar. Om vi kan programmera trafficking-aktiviteter mellan kärnan och cytoplasman, kanske vi kan koppla om dem för att behandla sjukdomar, som cancer. Vi studerar grundläggande biologiska processer med hjälp av superupplösningsavbildning.
Zhang:Eftersom dessa porer är så små måste de avbildas med en superupplöst fluorescensmikroskopi – en Nobelprisvinnande teknik. Ännu viktigare, för att studera dessa kärnporkomplex kan du inte bara ta en högupplöst bild och vara klar. Vi utvecklade ett tillvägagångssätt som gjorde det möjligt för oss att förstå vad som händer med kärnporkomplexen som vi ser vid bildbehandling.
För att göra det märkte vi först komplexen med fluorescerande färgämnen för att kunna detekteras i superupplösningsfluorescensmikroskopet och utvecklade sedan en datorsimulering av komplexet som vi jämförde med den verkliga bilden.
Vi jämförde den simulerade bilden med den verkliga bilden för att veta hur väl vi kunde fånga informationen, och med hjälp av maskininlärningsbaserad bildsegmentering kunde vi bättre förstå komplexens sammansättningar. Nu kan vi bygga vidare på detta för att bättre förstå andra bilder av kärnporkomplex under olika förhållanden.
Zhang motsvarade studien i Nano Letters .
Mer information: Wei-Hong Yeo et al, Undersöker osäkerheter i mikroskopi för lokalisering av en molekyl med hjälp av experimentellt informerad Monte Carlo-simulering, nanobokstäver (2023). DOI:10.1021/acs.nanolett.3c00852
Journalinformation: Nanobokstäver
Tillhandahålls av North Carolina State University
