C-COMPASS: un software basato sull'intelligenza artificiale mappa le proteine e i lipidi all'interno delle cellule
Annunci
Un nuovo strumento sviluppato da Helmholtz Munich e dal Centro tedesco per la ricerca sul diabete e dall'Università di Bonn rende la proteomica spaziale e la lipidomica più facile da usare, senza bisogno di codifica. C-COMPASS consente agli scienziati di tracciare un profilo della localizzazione di proteine e lipidi all'interno delle cellule e di seguire il modo in cui questi schemi cambiano in risposta alle malattie o ad altri fattori. Eliminando la necessità di competenze di programmazione, il software rende l'omica spaziale accessibile a un gruppo più ampio di ricercatori.
Immagine simbolica
AI-generated image
Affrontare gli attuali limiti dell'omica spaziale Gli strumenti esistenti per la proteomica spaziale presentano spesso dei limiti. Molti non sono in grado di prevedere localizzazioni multiple per le singole proteine o di quantificarle in diversi comparti cellulari. Inoltre, il loro utilizzo richiede spesso conoscenze di programmazione e mancano di interfacce accessibili, il che può limitare un'applicazione più ampia. La lipidomica spaziale è rimasta una sfida a causa dell'assenza di marcatori affidabili per la localizzazione dei lipidi.
Per colmare queste lacune metodologiche è stato sviluppato lo strumento per la proteomica spaziale integrata e la lipidomica C-COMPASS. Il software utilizza reti neurali per prevedere molteplici localizzazioni proteiche subcellulari e incorpora i dati del proteoma totale per valutare i cambiamenti nella distribuzione delle proteine e nell'abbondanza degli organelli. Include un'interfaccia utente grafica e fasi di elaborazione standardizzate progettate per supportare analisi riproducibili.
"Con C-COMPASS volevamo creare uno strumento che rendesse la proteomica spaziale più accessibile e più facile da riprodurre", afferma lo sviluppatore Daniel Haas. Il responsabile del progetto, la dottoressa Natalie Krahmer, aggiunge: "Per la prima volta, ci permette anche di esplorare la lipidomica spaziale combinando i dati del proteoma e del lipidoma in un flusso di lavoro unificato. Ora possiamo generare atlanti cellulari di organi e tessuti a livelli combinati di proteoma e lipidoma, consentendo ai ricercatori di rispondere a molte nuove domande".
Il team di ricerca ha applicato C-COMPASS per studiare le distribuzioni spaziali delle proteine nel tessuto epatico umanizzato e ha esaminato come questi schemi si modificano in diverse condizioni metaboliche. Hanno poi esteso il flusso di lavoro integrando i dati proteomici e lipidomici, consentendo per la prima volta la lipidomica spaziale. Per localizzare i lipidi, i ricercatori li hanno mappati su mappe di riferimento spaziali derivate dai dati proteomici. Questo approccio è stato applicato a campioni di fegato di topo umanizzato e ha rivelato cambiamenti nella distribuzione dei lipidi associati a perturbazioni metaboliche.
Applicazioni future e sviluppi in corso Il team ha in programma di applicare C-COMPASS a una serie di set di dati per ottenere una visione più approfondita dei cambiamenti dinamici, legati al metabolismo, nella localizzazione delle proteine. Inoltre, sta lavorando per migliorare ulteriormente il software, con funzioni quali il supporto di altri metodi omici spaziali, come la trascrittomica spaziale.
Nota: questo articolo è stato tradotto utilizzando un sistema informatico senza intervento umano. LUMITOS offre queste traduzioni automatiche per presentare una gamma più ampia di notizie attuali. Poiché questo articolo è stato tradotto con traduzione automatica, è possibile che contenga errori di vocabolario, sintassi o grammatica. L'articolo originale in Inglese può essere trovato qui.
Pubblicazione originale
Daniel T. Haas, Daniel Weindl, Pamela Kakimoto, Eva-Maria Trautmann, Julia P. Schessner, Xia Mao, Mathias J. Gerl, Maximilian Gerwien, Timo D. Müller, Christian Klose, Xiping Cheng, Jan Hasenauer, Natalie Krahmer; "C-COMPASS: a user-friendly neural network tool profiles cell compartments at protein and lipid levels"; Nature Methods, 2025-12-4
Altre notizie dal dipartimento scienza
