科学家利用深度学习技术预测造血干细胞的生长

美国《每日科学》(Science Daily)网站刊登了来自德国一家环境卫生研究中心—慕尼黑Helmholtz研究中心的一篇文章，题目是：深度学习技术被用于预测造血干细胞的发育进程。

自动驾驶、自动语音识别、围棋游戏：这些应用使深度学习技术获得了越来越多的公众关注。目前，德国慕尼黑Helmholtz研究中心与瑞士苏黎世联邦理工学院（ETH Zurich）和德国慕尼黑工业大学(Technical University of Munich，TUM)合作，已经将该技术用于预测造血干细胞的发育过程。在《自然方法》(Nature Methods)杂志上他们描述了软件如何根据显微图像来预测干细胞将会发育成什么类型的细胞。

当前的细胞生物学已不再局限于研究静态状态，而是试图了解细胞群的动态发展情况，例如，从造血干细胞这种细胞的初始形态到不同类型的血液细胞的产生过程。“造血干细胞变成特定类型细胞的决策过程无法观测。在这种情况下，唯一可能的方式是借助于细胞表面标记物对这种决策进行回顾式验证。”慕尼黑Helmholtz研究中心计算生物学研究所（ICB）定量单细胞动力学研究组组长解释说。

该研究团队已经开发出可以预测这种决策的算法。深度学习是关键因素。“深度神经网络在我们的方法中发挥了主要作用。”该研究负责人说，“通过将现有数据与过去获得的这种细胞的发育经验进行对比，我们的算法能够对单个细胞的光学显微图像和视频进行分类。借助于这种方式，算法就可以‘学习’某些细胞的行为方式。”

在具体操作中，研究人员首先研究了苏黎世联邦理工学院实验室拍摄的造血干细胞显微图像。根据外观和速度信息，该软件能够“记住”相应的行为模式，然后做出预测。“相比传统方法，例如使用某些表面蛋白的荧光抗体，我们的方法能提前三代就知道了细胞会如何决定。”研究人员指出。

但这种预测有什么好处呢？该研究负责人解释说：“既然现在我们知道了哪些细胞会以什么方式发育，我们就可以把它们提前分离，并在分子水平上检测它们有什么不同。我们希望利用这些信息来了解关于特定发育特点的选择是如何进行的。”

未来，工作重心将从造血干细胞扩展到其他方面。“我们正运用深度学习处理具有足够大的数据记录、但与这种研究区别很大的问题。”慕尼黑工业大学计算生物学研究所主任解释说，“例如，我们使用非常相似的算法来分析基因组中与疾病相关的模式，确定临床细胞图像上的生物标志物。”