La cryo-tomographie électronique (cryo-ET) est en train de devenir une technique puissante pour fournir des images 3D détaillées des environnements cellulaires et des biomolécules enfermées. Cependant, l’un des défis de la méthodologie est l’identification des molécules de protéines dans les images pour un traitement ultérieur. Une équipe de recherche autour de Stefan Raunser, directeur au MPI de physiologie moléculaire de Dortmund, dirigée par Thorsten Wagner, a développé un logiciel pour prélever des protéines dans des volumes cellulaires encombrés. Le nouvel outil open source, appelé TomoTwin, est basé sur un apprentissage métrique approfondi et permet aux scientifiques de localiser plusieurs protéines avec une grande précision et un débit élevé sans créer ou recycler manuellement le réseau à chaque fois.
Plus il y en a, mieux c’est
TomoTwin ouvre la voie à l’identification et à la localisation automatisées des protéines directement dans leur environnement cellulaire, élargissant le potentiel de la cryo-ET. »
Gavin Rice, co-premier auteur de la publication
Cryo-ET a le potentiel de déchiffrer le fonctionnement des biomolécules au sein d’une cellule et, par là, de dévoiler la base de la vie et l’origine des maladies.
Dans une expérience cryo-ET, les scientifiques utilisent un microscope électronique à transmission pour obtenir des images 3D, appelées tomogrammes, du volume cellulaire contenant des biomolécules complexes. Pour obtenir une image plus détaillée de chaque protéine différente, ils en font la moyenne d’autant de copies que possible – comme les photographes capturant la même photo à des expositions variables pour les combiner plus tard dans une image parfaitement exposée. Fondamentalement, il faut identifier et localiser correctement les différentes protéines dans l’image avant d’en faire la moyenne. « Les scientifiques peuvent atteindre des centaines de tomographies par jour, mais nous manquions d’outils pour identifier pleinement les molécules qu’ils contiennent », explique Rice.
Cueillette à la main
Jusqu’à présent, les chercheurs ont utilisé des algorithmes basés sur des modèles de structures moléculaires déjà connues pour rechercher des correspondances dans les tomogrammes, mais ceux-ci ont tendance à être sujets aux erreurs. L’identification manuelle des molécules est une autre option qui garantit une sélection de haute qualité, mais qui prend des jours à des semaines par ensemble de données.
Une autre possibilité serait d’utiliser une forme d’apprentissage automatique supervisé. Ces outils peuvent être très précis mais manquent actuellement de convivialité, car ils nécessitent l’étiquetage manuel de milliers d’exemples pour entraîner le logiciel pour chaque nouvelle protéine, une tâche presque impossible pour les petites molécules biologiques dans un environnement cellulaire encombré.
Tomo Twin
Le nouveau logiciel TomoTwin surmonte bon nombre de ces obstacles : il apprend à sélectionner les molécules de forme similaire dans un tomogramme et les cartographie dans un espace géométrique – le système est récompensé pour avoir placé des protéines similaires les unes à côté des autres et pénalisé autrement. Dans la nouvelle carte, les chercheurs peuvent isoler et identifier avec précision les différentes protéines et les utiliser pour les localiser à l’intérieur de la cellule. « L’un des avantages de TomoTwin est que nous proposons un modèle de prélèvement préformé », déclare Rice. En supprimant l’étape de formation, le logiciel peut même fonctionner sur des ordinateurs locaux – là où le traitement d’un tomogramme nécessite généralement 60 à 90 minutes, le temps d’exécution sur le supercalculateur MPI Raven est réduit à 15 minutes par tomogramme.
TomoTwin permet aux chercheurs de sélectionner des dizaines de tomogrammes dans le temps qu’il faut pour en sélectionner un seul manuellement, augmentant ainsi le débit de données et le taux de moyenne pour obtenir une meilleure image. Le logiciel peut actuellement localiser des protéines globulaires ou des complexes protéiques supérieurs à 150 kilodaltons dans les cellules ; à l’avenir, le groupe Raunser vise à inclure des protéines membranaires, des protéines filamenteuses et des protéines de plus petites tailles.
