游戏玩家和AI的结合帮助改善了细胞和蛋白质的定位

在一张显示数十万人体细胞微观图像的地图上，一个国际研究团队正在与游戏社区和人工智能合作，以更细致地了解细胞内排列的蛋白质模式。

KTH皇家理工学院，CCP Games和Massively Multiplayer Online Science合作报道了这些进展。

该研究发表在9月出版的Nature Biotechnology上。研究人员报告称，游戏玩家或“公民科学家”推动了用于在亚细胞水平上预测蛋白质定位的AI系统。众包和AI的结合改善了亚细胞蛋白质模式的分类，并首次鉴定了被称为“棒和环”的细胞结构家族的10个新成员，来自KTH的研究员Emma Lundberg说道。 Atlas，人类蛋白质图谱的一部分，在Science for Life联合研究中心。

伦德伯格表示，该数据正在积极整合到公众可用的人类蛋白质图谱数据库中，并将成为全球研究人员的资源，致力于更好地了解人类细胞，蛋白质和疾病的发展。

研究人员与Massively Multiplayer Online Science和CCP Games合作，将人类蛋白质图谱中的蛋白质定位分析直接整合到EVE Online中，这是一款流行的大型多人在线游戏。由此产生的迷你游戏，名为“项目发现”，以伦德伯格的化身为特色，使她成为第一个在网络游戏中出现的活科学家之一。它由EVE Online的30多万公民科学家共同发挥，他们共同创造了超过3300万个蛋白质亚细胞定位的图像分类，这一成就被誉为公民科学的里程碑。

将公民科学家的能力与用于从图像中预测蛋白质亚细胞定位的AI系统进行比较，称为定位细胞注释工具(Loc-CAT)。Loc-CAT是第一个通过图像多重定位来注释蛋白质并在大量细胞类型中进行推广的通用工具，为研究细胞及其未来行为提供了有用的工具。

尽管Loc-CAT在许多常见类别的蛋白质中都优于Project Discovery的玩家，但来自EVE Online的聚合玩家数据更好地识别了稀有类别，并且能够注释训练数据不可用的新模式。通过将玩家的注释与机器学习方法相结合，转移学习被用来显着提高Loc-CAT的性能。

“我相信将科学任务整合到已有的计算机游戏中将成为未来利用人类大脑处理能力的常用方法，并且直接投入机器学习模型的公民科学游戏的复杂设计具有快速的能力利用大规模科学努力的成果，“伦德伯格说。“我们感谢参与这个项目的所有公民科学家，以及他们所做的发现。”

尽管这项工作取得了成功，但仍有很大的改进空间。研究人员从9月17日开始宣布人类蛋白质Atlas 2018挑战Kaggle(www.kaggle.com/competitions)。挑战将涉及图像分析，以分类人类细胞中的亚细胞蛋白质模式。数以千计的奖金将用于争夺，参与者的贡献将有助于推动蛋白质生物学领域的发展。