【Cell重磅】机器学习是未来！研究可预测藻类蛋白质的定位，公布叶绿体蛋白质定位的全面图谱

近日，Cell杂志在线发表了来自美国普林斯顿大学Martin C. Jonikas课题组题为“A chloroplast protein atlas reveals punctate structures and spatial organization of biosynthetic pathways”的研究论文。该研究通过机器学习预测藻类蛋白质的定位，提供了关于叶绿体蛋白质定位的全面图谱，为研究绿藻和陆地植物中叶绿体空间组织和未充分表征的蛋白质的特性开辟了新的途径。

该研究使用了一种先前建立的系统来表达荧光标记的蛋白质，将每个基因的开放阅读框克隆到含有一个组成性启动子、C端荧光标记Venus和3XFLAG表位的载体中。将每个构建体电穿孔到野生型Chlamydomonas细胞中，产生随机插入到基因组中的稳定插入物。研究人员使用共聚焦显微镜在光自养培养的活细胞中成像蛋白质的定位。该研究成功地将1,034个标记蛋白质的定位映射到17个主要细胞器/细胞位置的141个不同模式中。通过验证实验，研究人员证实了他们的定位数据与先前研究的一致性，并使用间接免疫荧光法验证了部分蛋白质的定位。这些结果为绿藻和陆地植物中叶绿体的空间组织和未充分表征的蛋白质的研究提供了新的资源和洞察力。

此外，研究人员还使用机器学习方法训练了一个蛋白质定位预测模型。他们使用了一个预先训练的蛋白质语言模型来预测蛋白质的亚细胞定位。通过将蛋白质序列输入到线性分类器中，他们能够区分蛋白质是否定位到特定的细胞区域。这个预测模型可以帮助研究人员预测未知蛋白质的定位，并进一步研究绿藻和陆地植物中的叶绿体空间组织和未经表征的蛋白质。

总之，这项研究提供了关于藻类蛋白质定位的重要见解，并提供了相关的资源和工具，为研究绿藻和陆地植物中叶绿体空间组织和未经表征的蛋白质的特性提供了新的可能性。

论文链接：

https://www.cell.com/cell/fulltext/S0092-8674(23)00676-1

转自：“iPlants”微信公众号

如有侵权，请联系本站删除！