機器學習技術預測人類細胞組織發(fā)表的自然方法

艾倫研究所的科學家們利用機器學習來訓練計算機，以觀察人眼無法輕易區(qū)分的細胞部分。利用熒光標記細胞的三維圖像，研究小組教授計算機在沒有熒光標記的情況下在活細胞內找到結構，僅使用廉價技術(稱為明場顯微鏡)生成的黑白圖像。今天在“自然方法”雜志上發(fā)表了一項描述這項新技術的研究。

熒光顯微鏡使用發(fā)光的分子標記來精確定位細胞的特定部分，非常精確，但只允許科學家一次看到細胞中的一些結構。人體細胞含有超過20,000種不同的蛋白質，如果一起觀察，可以揭示健康和患病細胞的重要信息。

艾倫研究所艾倫細胞科學研究所的科學家，該研究的資深作者格雷格約翰遜博士說：“這項技術讓我們可以看到比以前更大的結構。”“這意味著我們可以用任何人都無法做到的方式來探索細胞的組織，特別是在活細胞中。”

艾倫細胞科學研究所執(zhí)行主任Rick Horwitz博士說，該預測工具還可以幫助科學家了解疾病期間細胞出了什么問題。癌癥研究人員可能將該技術應用于存檔的腫瘤活檢樣本，以更好地了解細胞結構隨著癌癥進展或對治療的反應而發(fā)生變化。該算法還可以通過揭示細胞如何實時變化來幫助再生醫(yī)學，因為科學家們試圖在實驗室中種植器官或其他新的身體結構。

“這項技術對這些及相關領域具有巨大的潛在影響，”霍維茨說。“你可以在他們正在進行的過程中觀看過程 - 它幾乎就像魔法一樣。這種方法使我們能夠以迄今為止最無創(chuàng)的方式獲取我們之前無法獲得的人體細胞信息。”

如果使用熒光顯微鏡代替熒光顯微鏡，免費提供的預測工具集和明視場顯微鏡的組合可以降低研究成本，這需要昂貴的設備和訓練有素的操作員。熒光標簽也會褪色，光線本身會損壞活細胞，限制了該技術用于研究活細胞及其動態(tài)的效用。機器學習方法將允許科學家長時間跟蹤細胞的精確變化，從而可能揭示早期發(fā)育或疾病進展等事件。

對于人眼，在明場顯微鏡中觀察的細胞是以灰色陰影呈現(xiàn)的囊。訓練有素的科學家可以找到細胞和細胞核(細胞的DNA儲存區(qū))的邊緣，但不是很多。研究小組使用現(xiàn)有的機器學習技術，稱為卷積神經(jīng)網(wǎng)絡，訓練計算機識別這些圖像中的細節(jié)，如線粒體，細胞的強大。研究人員表示，他們測試了12種不同的細胞結構，模型生成的預測圖像與大多數(shù)結構的熒光標記圖像相匹配。

事實證明，即使是建?？茖W家，該算法能夠捕捉到的內容也令人驚訝。

“進去，我們有這樣的想法，如果我們自己的眼睛看不到某種結構，那么機器將無法學習它，”Molly Maleckar博士，模擬總監(jiān)說。艾倫細胞科學研究所和該研究的作者。“機器可以看到我們無法做到的事情。他們可以學到我們無法做到的事情。他們可以更快地完成任務。”

該技術還可以預測用電子顯微鏡拍攝的圖像的精確結構信息。這里的計算方法是相同的，艾倫腦科學研究所助理研究員，該研究的作者福雷斯特科爾曼博士說，但應用是不同的。科爾曼是一個致力于繪制小鼠大腦神經(jīng)元之間連接的團隊的一員。他們正在使用該方法對用不同類型的顯微鏡拍攝的神經(jīng)元的圖像進行排列，這通常是計算機的挑戰(zhàn)性問題和人類的艱巨任務。

科爾曼說：“通過讓艾倫細胞科學研究所的同事與我們合作解決這個問題，我們在解決這個問題方面取得了進展。”

弗雷德哈欽森癌癥研究中心基礎科學部門成員Roger Brent博士正在使用這種新方法作為研究工作的一部分，他正在努力提高研究酵母和生物學家的顯微鏡“視力”。哺乳動物細胞。“用較少光密度的顯微鏡取代熒光顯微鏡將使研究人員能夠加速其工作，更好地測量細胞和組織功能，并在此過程中節(jié)省一些資金，”布倫特說。“通過提供這些網(wǎng)絡，艾倫研究所正在幫助實現(xiàn)生物學和醫(yī)學研究的民主化。”

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如有侵權行為，請第一時間聯(lián)系我們修改或刪除，多謝。

推薦內容