据德国亥姆霍兹联合会慕尼黑中心报道,现在的细胞生物学已不再局限于静止状态,还尝试去理解细胞群的动态发育。其中的一个例子是从前体细胞(造血干细胞)产生不同类型的血细胞。“造血干细胞变成某种特定细胞类型的决策过程无法观察。目前,回顾验证这个决策过程的唯一途径,就是细胞表面的标记物。”德国亥姆霍兹慕尼黑中心(Helmholtz Zentrum München)计算生物学研究所(ICB)定量单细胞动态研究组研究人员说。
最近,他的团队开发出了可提前预测这个决策过程的算法,而深度学习正是其中的关键。“深度神经网络(Deep Neural Networks)在我们的方法中起了主要作用。”研究人员表示,“我们的算法将单个细胞光显微图像和视频的数据与这些细胞发育的过往经验进行比较,从而对于这些数据进行分类。通过这种方式,算法就‘学习了’特定细胞的行为。”
研究人员表示,瑞士苏黎世联邦理工学院(ETH Zurich)实验室检测了用显微镜拍摄了造血干细胞。该软件能利用外观和速度方面的信息,“记住”相关的行为模式,从而进行预测。研究人员指出,“和针对特定表面蛋白的荧光抗体等传统方法相比,我们提早了三个细胞代知道细胞的决策。”
但是,这项研究未来到底会带来什么好处呢?研究人员解释说:“因为现在我们知道哪些细胞会通过何种途径发育,所以我们能比之前更早地分离它们,并检测其在分子水平上有什么不同。我们希望使用这些信息来理解如何作出特定发育性状的选择。”
未来,研究重点将扩大,不再局限于造血干细胞。“我们正利用充足的数据记录通过深度学习去研究非常不同的问题。”研究人员表示,“例如,我们用很相似的算法去分析基因组中的疾病相关模式,确定临床细胞筛选中的生物标记物。”