ИИ автоматизировал трёхмерное картирование клеточных мембран

Международная команда из Мюнхенского центра Гельмгольца, Технического университета Мюнхена (TUM) и Биоцентра Базельского университета разработала MemBrain v2 — открытый ИИ-инструмент для анализа клеточных мембран в трёхмерных криомикроскопических снимках. Программа сокращает анализ, который раньше занимал недели ручного труда, до нескольких часов, при этом достигая той же точности, что и специалисты. Работа опубликована в Nature Methods.

Зачем нужно картировать мембраны и почему это было так сложно

Клеточная мембрана — не просто оболочка: она регулирует транспорт веществ, сигнализацию, деление клеток и участвует во множестве биологических процессов, нарушение которых лежит в основе болезней. Изучение мембран в их естественном окружении — внутри живой клетки — стало возможным с помощью криоэлектронной томографии (крио-ЭТ): техники, которая позволяет снимать клетку в трёх измерениях с нанометровым разрешением, предварительно мгновенно заморозив её.

Проблема в том, что снимки крио-ЭТ — зашумлённые, с низким контрастом и сложной внутриклеточной архитектурой. Выделить мембраны вручную в таком изображении — задача крайне трудоёмкая: аналитику приходится прорисовывать структуры срез за срезом часами и днями, а для полного набора данных уходили недели. При этом результат зависел от опыта конкретного человека.

Как устроен MemBrain v2

Программа состоит из трёх взаимосвязанных модулей:

• MemBrain-seg — нейросеть на архитектуре U-Net, которая автоматически выделяет мембраны в трёхмерных томограммах. Работает «из коробки» без дополнительной разметки: достаточно одной команды. Её обучили на разнообразном, совместно собранном наборе данных с применением специализированных функций потерь и фурье-аугментации, что обеспечивает высокую обобщаемость на разные организмы, типы органелл и условия съёмки.
• MemBrain-pick — инструмент для локализации белков, связанных с мембраной. Ключевое достижение: модель, обученная на аннотации всего одной мембраны, достигла точности 91% (F1-score) при поиске белков. Это радикально снижает потребность в ручной разметке.
• MemBrain-stats — модуль количественного анализа: вычисляет кривизну мембраны, расстояния между мембранами и пространственное распределение белков относительно мембранных поверхностей.

Сравнение с ручным анализом, проведённое командой, показало, что результаты MemBrain v2 статистически не отличались от работы экспертов — при принципиально меньших временных затратах.

Почему это важно для биологии и медицины

Крио-ЭТ сегодня применяют для изучения вирусов, в том числе SARS-CoV-2 и ВИЧ, митохондрий при нейродегенеративных заболеваниях, мембранных белков, связанных с онкологией и нарушениями обмена веществ. Узкое место во всех этих исследованиях — именно анализ данных.

«Я особенно рад, что MemBrain v2 сейчас используется во многих дальнейших исследованиях, где он упрощает сложный анализ или делает его вообще возможным — внося конкретный вклад в новые биологические открытия», — говорит первый автор работы Лоренц Ламм.

Читайте также по теме: новом методе визуализации материалов.

Код инструмента открыт и доступен на GitHub по адресу github.com/CellArchLab/MemBrain-v2. Программа не привязана к конкретному типу микроскопа или виду — она продемонстрировала стабильную работу на данных из разных лабораторий по всему миру.