Proteins are complex molecules that are involved in almost every task in the body. In general, the role a protein fulfills is highly dependent on where in the cell it is located, its subcellular localization. In order to understand human biology, it is therefore imperative to gain insight into the world of proteins by examining their subcellular distribution and interaction with each other. This thesis focuses on the development of computational models capable of performing large scale spatial protein analysis on a subcellular level. Within that scope, we were able to develop models that classify the localization of proteins in immunofluorescence microscopy images as well as show how such models can integrate with other methods to gain novel insights and understanding into the roles and spatially dependent functions of proteins. 

In Paper I, we present and combine two separate methods for large scale protein localization. The first method is an integration of a protein localization task as a mini-game within an established massively multiplayer online video game. The second method consists of the first image-based deep neural network learning model capable of multi-label subcellular localization classification. We show that both these methods enable accurate and scalable high-throughput analysis of subcellular protein localization that overcome many of the challenges associated with such a dataset. We also show that combining the two methods yield better results than either of them do on their own, resulting in a model that is nearing human performance. 

In Paper II, based on the success of the neural network model from Paper I, we continue the investigation into usage of deep neural networks for the purpose of subcellular protein localization. In an effort to find the best possible model for such tasks, a machine learning image competition was developed. Over 2,000 teams participated with various kinds of architectures, resulting in a predictor that far outperforms the one presented in Paper I. The winning model is analyzed thoroughly, and we show that its internal feature representation contains biologically relevant information and that it can be used for quantitative analysis of protein patterns.

 Paper III takes the feature representation of immunofluorescence images from the model developed in Paper II and integrates it with features extracted from affinity purification experiments to create a hierarchical map of the human cell’s architecture. This method creates a map of protein communities grouped by subcellular structures, of which approximately 54% are putatively novel. We show that the map is biologically significant by validating several of the novel findings using affinity purification experiments and in-situ fractionation. 

In Paper IV, we apply what was learned in Paper I and II in order to create a model that identifies proteins residing within micronuclei. We apply the model on the image data from the Human Protein Atlas to create the first extensive mapping of the micronuclear proteome. Through enrichment analysis of the identified proteins, we propose that micronuclei harbor a more diverse set of functions than previously thought. We find that the micronuclear proteome is highly interconnected and contains many proteins that show visible variations across different micronuclei, and theorize on what this means for their role in the cell.

In conclusion, Paper I and II examine and establish the possibilities of using deep neural networks for systematic subcellular protein localization analysis. Paper III and IV build upon what was learned in Papers I and II and use their models to examine protein distribution patterns and provide novel biological insights.

Proteiner är komplexa molekyler som är inblandade i nära nog varje kroppslig funktion. Överlag är ett proteins roll högst beroende av var i cellen det befinner sig, dess subcellulära lokalisation. För att förstå mänsklig biologi är det därför nödvändigt att få insikt i proteinernas värld genom att undersöka deras subcellulära distribution och hur de interagerar med varandra. Den här avhandlingen fokuserar på utvecklandet av datormodeller kapabla att genomföra storskalig spatiell proteinanalys på en subcellulär nivå. Inom detta tillämpningsområde kunde vi utveckla modeller för att klassificera lokaliseringen av proteiner i immunofluorescensmikroskopibilder och visa hur sådana modeller kan interagera med andra metoder för nya insikter i proteiners roller och deras rumsberoende funktioner.

I Artikel I presenterar vi och kombinerar två separata metoder för storskalig proteinlokalisering. Den första metoden är en integration av en proteinlokaliseringsuppgift som ett minispel i ett etablerat massivt onlinespel. Den andra metoden består av den första bildbaserade djupa neuralnätverksmodellen kapabel att multietikettklassificera subcellulär proteinlokalisering. Vi visar att båda metoderna gör det möjligt att genomföra precisa och skalbara analyser av subcellulär proteinlokalisering, med hög genomströmning, som överkommer många av de svårigheter som är associerade med sådana dataset. Vi visar också att en kombination av de två metoderna producerar bättre resultat än var metod gör för sig och resulterar i en modell som närmar sig mänsklig prestanda.

I Artikel II fortsätter vi, baserat på framgången med Artikel I:s neuralnätverksmodell, undersöka användningen av djupa neuralnätverk för subcellulär proteinlokalisering. I ett försök att hitta den bästa möjliga modellen för sådana uppgifter utvecklade vi en bildbaserad maskininlärningstävling. Över 2.000 lag deltog med olika typer av arkitekturer, vilket resulterade i en prediktor som långt överträffar den som presenterades i Artikel I. Den vinnande modellen blir noggrant analyserad och vi visar att dess interna numeriska representation innehåller biologiskt relevant information samt att dessa kan användas för kvantiativ analys av proteinmönster.

Artikel III använder den numeriska representationen av immunofluorescensbilder från modellen utvecklad i Artikel II och integrerar den med en numerisk representation extraherad från affinitetsreningsexperiment för att skapa en hierarkisk karta över den mänskliga cellens arkitektur. Denna metod gör en kartläggning över grupper av proteiner, av vilka cirka 54% av grupperna är förmodat nya. Vi visar att kartläggningen är biologiskt signifikant genom att validera ett flertal av de nya upptäckterna med affinitetsreningsexperiment och insitu fraktionering.

I Artikel IV applicerar vi vad vi lärt oss från Artikel I och II för att skapa en modell som identifierar proteiner som befinner sig i mikrokärnor. Vi applicerar modellen på bilddata från Human Protein Atlas för att skapa den första omfattande kartläggningen av mikrokärneproteomet. Med hjälp av anrikningsanalys föreslår vi att mikrokärnor har en mer mångfaldig funktionalitet än vad som tidigare har antagits. Vi finner att mikrokärneproteomet är starkt sammanlänkat samt innehåller många proteiner som uppvisar variation mellan olika mikrokärnor och diskuterar vad detta betyder för deras roll i cellen.

Sammanfattat, Artikel I och II undersöker och etablerar möjligheterna för användning av djupa neuralnätverk för systematisk subcellulär proteinlokaliseringsanalys. Artikel III och IV bygger vidare på vad vi lärt oss i Artikel I och II och använder deras modeller för att undersöka proteindistributionsmönster och förser oss med nya biologiska insikter.