Nature：机器学习如何在干细胞外观研究中应用？

雷锋网AI科技评论按：Allen细胞研究所在门户网站上公开了了干细胞的3D图形，通过深度学习算法找寻细胞内部组织结构之间的位置关系，助力干细胞的研究，以及癌症研究和新药物开发。原文作者Amy Maxmen，原文发表于Nature杂志，本文由雷锋网(公众号：雷锋网)AI科技编译。

图1人类皮肤干细胞的三维视图，蓝色部分为DNA蓝色部分，

紫色部分为细胞膜，黄色部分为其它细胞结构

（动图请访问原网站）

即使是遗传克隆，任意两个干细胞都存在差异。在大型公开的干细胞3D图像在线数据库中，我们可以明显看到干细胞之间惊人的多样性。Allen细胞研究所利用深度学习分析算法，并使用基因编辑工具CRISPR改变细胞系，就可以捕捉到干细胞的图像。此外，Allen细胞研究所的门户网站将允许研究人员利用这些图像数据来预测细胞变化,这些变化可能是癌症和其他疾病的预兆。 

Allen Cell Explorer是一个不断扩大的干细胞图像库，包含6000多张诱导多能干细胞(iPS: induced pluripotent stem cells)的照片，这些照片是借助突出显示特定基因的荧光标记，使该干细胞的主要成分发光，从而获得细胞图像的。该细胞图像库是由在华盛顿西雅图的Allen细胞科学研究所（Allen Institute for Cell Science）主导生成。

Cell Explorer还包括由几个正在进行的项目，包括绘制了DNA，RNA和蛋白质水平上单细胞的独特性。Allen细胞科学研究所所长Rick Horwit表示，研究所的图像数据通过揭示细胞结构未知的一面以加速干细胞的研究进程，此外推进癌症研究和新药物开发进展。这就好比你掌握所有足球运动员的统计数据资料，却从来没有看过一场足球比赛，那么你是无法预测一场足球比赛的结果的。

深入皮肤细胞

该项目大约在一年前开始，将成年的皮肤细胞重新基因编程，使其变成胚胎状，即未分化的状态。 Horwitz和他的团队然后使用CRISPR-Cas9在基因中插入标签，使细胞内的结构发光。指导肌动蛋白丝的蛋白质合成的基因，有助于细胞移动并保持细胞形状。Allen细胞研究所的研究院就清楚地发现，来自同一胚胎细胞的所有遗传克隆细胞在其组分的位置、形状和数量方面都不同，例如细胞内的线粒体和肌动蛋白纤维。

图2分裂的人类干细胞，黄色部分是细胞膜，蓝色部分是DNA，红色部分是微管

（动图请访问原网站）

计算机科学家使用深度学习程序分析了数千个图像，发现了细胞内部细胞器位置之间的关系。仅需几个线索，比如细胞核的位置信息，研究者就能使用深度学习训练出来的模型来预测其他细胞器的位置信息，这个算法是通过比较细胞器的预测位置与实际位置来训练模型的。

Horwitz说，这套深度学习算法与其他公司用来预测消费者偏好的算法相似。 就像如果您在亚马逊购买电锯，那么可能会收到亚马逊链条油和格子衬衫的推荐。

这种基于深度学习能力的3D交互式工具将在今年晚些时候上线。目前该网站主要通过并排比较预测和实际图像来展示该工具的工作原理。

美国华盛顿大学西雅图大学细胞生物学家Benjamin Freedman期待能用上Cell Explorer的预测功能， Allen研究所团队已经训练他们的预测算法来识别更多基因或化学变化的诱导多功能干细胞。例如，Freedman说他可以从Allen研究所的一个荧光标记的干细胞中删除与肾脏疾病相关的基因，并了解突变如何影响被标记的发光细胞器。然后他可以使用该网站的建模工具来确定其他细胞器会被改成什么样子。Freedman说：“最终我们想要在细胞水平上了解引起整个肾脏疾病的过程。”

填补漏洞

在接下来的几个月中，Allen研究所的研究人员将更新干细胞在不同的细胞分裂阶段的图像，伴随着转变为不同的细胞类型，如心脏和肾细胞。 Horwitz说，在不同时间点捕获细胞图像，对于确定细胞的基本变化过程至关重要。

图3 遗传自相同干细胞的细胞结构差异。紫色部分为DNA，蓝色部分为细胞膜

Allen研究所着重研究干细胞的视觉图像，同时也有很多其他组织努力从其他角度做细胞的相关研究。例如，英国伦敦的慈善机构“英国癌症研究”（Cancer Research UK）正在创建肿瘤中乳腺癌细胞的互动虚拟现实模型。被称为“人类细胞图谱”（Human Cell Atlas）的国际项目旨在定义所有人类细胞类型，定义的依据是细胞的分子谱，包括DNA序列，RNA转录物和蛋白质。

Aviv Regev是马萨诸塞州剑桥Broad研究所的计算生物学家，她目前正在从事人类细胞图谱项目的研究。她认为，Allen Cell Explorer主要关注细胞特征的外观，而不是基因、RNA和蛋白质在细胞内如何相互作用。她表示，“过去我们认为细胞间是无差异的，直至最近大家开始接受，原来细胞之间存在大量的差异。所以现在我们采取的是一种无偏见的方法，帮助我们研究之前未知的难题。”

via Machine learning predicts the look of stem cells，雷锋网编译

雷锋网版权文章，未经授权禁止转载。详情见。