發(fā)布日期：2018-04-17

　　經(jīng)過熒光標(biāo)記的細(xì)胞的顯微照片無疑是漂亮的，但它們需要侵入性的有時是破壞性的或致命性的實驗程序才能讓它們發(fā)出熒光。在一項新的研究中，為了避免這種干擾，來自美國加州大學(xué)舊金山分校和谷歌公司的研究人員開發(fā)出一種計算機(jī)程序，它能夠區(qū)分不同的細(xì)胞類型，并鑒定出亞細(xì)胞結(jié)構(gòu)等特征---所有這一切都不需要我們的眼睛進(jìn)行可視化觀察所依賴的熒光探針。相關(guān)研究結(jié)果于2018年4月12日在線發(fā)表在Cell期刊上，論文標(biāo)題為“In Silico Labeling: Predicting Fluorescent Labels in Unlabeled Images”。

　　這幅圖片展示神經(jīng)網(wǎng)絡(luò)程序在“思考”它能夠鑒定出哪些細(xì)胞結(jié)構(gòu)，圖片來自Dr. Finkbeiner/Gladstone Institutes, UCSF。

　　美國國家神經(jīng)疾病與卒中研究所項目主任Margaret Sutherland（未參與這項研究）在一項聲明中表示，“這種方法有潛力引發(fā)生物醫(yī)學(xué)研究變革。”

　　這些研究人員利用一種被稱作深度學(xué)習(xí)（deep learning）的方法，設(shè)計出一種神經(jīng)網(wǎng)絡(luò)，即一種模擬大腦的計算機(jī)程序，它利用數(shù)據(jù)識別圖案、形成規(guī)則，并將這些規(guī)則應(yīng)用到新信息中。

　　谷歌公司加速科學(xué)項目（Google Accelerated Science）軟件工程師在一份新聞稿中說道，“我們通過向這種神經(jīng)網(wǎng)絡(luò)展示相同細(xì)胞的兩組相匹配的圖片（一組為經(jīng)過熒光標(biāo)記的細(xì)胞圖片，另一組為未經(jīng)過熒光標(biāo)記的細(xì)胞圖片）對它進(jìn)行訓(xùn)練。我們重復(fù)了這個過程數(shù)百萬次。隨后，當(dāng)我們給這種神經(jīng)網(wǎng)絡(luò)提供它之前從沒有觀察到的未經(jīng)過熒光標(biāo)記的細(xì)胞圖片時，它能夠準(zhǔn)確地預(yù)測熒光標(biāo)記所在的位置。”

　　通過提供高質(zhì)量的細(xì)胞圖片，這種計算機(jī)程序能夠幾乎完美地、正確地鑒定出細(xì)胞內(nèi)的細(xì)胞核。它也能夠區(qū)分死細(xì)胞和活細(xì)胞，并且在包括星形膠質(zhì)細(xì)胞和未成熟的分裂細(xì)胞的細(xì)胞群體中發(fā)現(xiàn)神經(jīng)元，甚至能夠區(qū)分樹突和軸突。

　　這些研究人員表示，未來的研究將著眼于優(yōu)化這種神經(jīng)網(wǎng)絡(luò)，并改進(jìn)它在某些任務(wù)---比如在高密度的細(xì)胞培養(yǎng)物中挑選出神經(jīng)元亞型和發(fā)現(xiàn)軸突---上不太穩(wěn)健的表現(xiàn)。

來源：生物谷