前沿 | Nature:用机器学习预测干细胞外观

选自Nature

作者:Amy Maxmen

机器之心编译

参与:黄小天、吴攀、微胖

视频内容

源自皮肤的人类干细胞的 3D 图,其中蓝色表示 DNA、紫色表示细胞膜、黄色表示其它结构。来源:艾伦细胞科学研究所

每个干细胞都是独一无二的,基因克隆的干细胞也不例外。这一独特属性在今天公开可用的大量 3D 干细胞图像中得到了揭示。这些图像通过深度学习分析以及使用基因编辑工具 CRISPR 修改的细胞系(cell line)而获得。很快,研究者将会预测细胞布局之中的变异以预测癌症和其他疾病。

由位于西雅图的艾伦细胞科学研究所(Allen Institute for Cell Science)开发的「Allen Cell Explorer」包含一个超过 6000 张诱导多能干细胞(iPS)图片的持续增长的库;由于突出特殊基因的荧光标记,iPS 是光亮的主要成分。

Allen Cell Explorer 地址:http://allencell.org/

「Allen Cell Explorer」对于由几个团队在 DNA、RNA 和蛋白质层面绘制单细胞独特性图表的项目起到补充作用。艾伦细胞科学研究所的主管 Rick Horwitz 说,该研究所揭示了细胞结构的预料之外的方面,这也许会加速干细胞研究、癌症研究和药物开发方面的进展。「如果你了解每个足球运动员的状态却从来不看球赛,那么你不可能预测出比赛结果。」

深入皮层之下

该项目始于一年之前,研究者将成年人的皮肤细胞重新编程成了胚胎状的未分化的状态。然后 Horwitz 及其团队使用了 CRISPR–Cas9 技术来将标签(tag)插入到基因之中以制造细胞可以在其中生长的结构。这些基因中包含编码了强调肌动蛋白微丝(actin filament)的蛋白质的编码,这种肌动蛋白微丝可以帮助细胞运动和维持形状。很快研究者就发现,这些来自同一亲代细胞的基因相同的细胞在位置、形状的组件(比如线粒体和肌动蛋白纤维)数量上都各有不同。

视频内容

一个单独的人类干细胞,其中黄色表示细胞膜,蓝色表示 DNA,红色表示微管

计算机科学家使用深度学习程序分析了数千张图像,然后发现了细胞的位置和细胞结构之间的关系。然后他们使用这些信息来预测当仅有少量信息(如细胞核的位置)给出时的细胞的结构。该程序通过将其预测和实际细胞进行比较来进行「学习」。

这些深度学习算法和一些公司用来预测人的偏好的算法类似,Horwitz 说:「如果你在亚马逊上面买了一把电锯,那么它就可能推荐你继续购买链条油和格子衬衫。」

这个基于深度学习的 3D 交互式工具预计将在今年上线。目前该网站给出了一些其工作方式的预览,并展示了预测的和实际图像的比较。

华盛顿大学的细胞生物学家 Benjamin Freedman 也很期待在这个艾伦研究所团队教会他们的算法识别更多 iPS 细胞(会根据基因和化学环境而变化)时尝试 Cell Explorer 的预测功能。比如说,Freedman 说他可以从该艾伦研究所的荧光标注的干细胞中移除与肾脏疾病有关的基因,然后看这样的突变会引起细胞结构的怎样的变化。然后他可以使用该网站的建模工具来确定可以如何改变其它细胞组件。Freedman 说:「最终,我们希望理解导致肾脏疾病的细胞层面的全过程。」

填补漏洞

在接下来的几个月里,艾伦研究所的研究人员会更新该网站,放上干细胞处在细胞分裂不同阶段和当它们转变为不同的细胞类型(比如心脏或肾细胞)时的图像。Horwitz 说,抓住细胞在不同时间点的状态是识别基本过程的核心。

基因相同的干细胞的 DNA(紫色)和细胞膜(蓝色)的结构上的差异

该艾伦研究所对干细胞的视觉分析的强调是为了为细胞的其他方面建立目录。比如,位于伦敦的 Cancer Research UK 慈善组织正在创造一种虚拟现实交互的乳腺癌肿瘤细胞的模型。一项叫做人类细胞地图(Human Cell Atlas)的国际项目也在努力根据细胞的分子组成(包括 DNA 序列、RNA 转录和蛋白质)来定义所有人类细胞的类型。

麻省剑桥 Broad 研究院的计算机生物学家 Aviv Regev 正在研究人类细胞地图,她说,Allen Cell Explorer 与她的研究项目互补,因为他们关注了分子特征的外观,而不是基因、RNA 和蛋白质如何在细胞中互动。她说,「研究界正在接受这一事实:细胞之间存在许多差异,之前我们一直以为它们是相同的。因此,现在我们正在用一种毫无偏见的办法来研究这些我们之前所不知道的部分。」

原文链接:http://www.nature.com/news/machine-learning-predicts-the-look-of-stem-cells-1.21769?WT.mc_id=TWT_NatureNews

本文为机器之心编译,转载请联系本公众号获得授权。

原文发布于微信公众号 - 机器之心(almosthuman2014)

原文发表时间:2017-04-06

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

川普PK希拉里,谁演讲技术更好?这里有一个AI做的测试

来源:foxnews.com 作者:Brooke Crothers 编译:刘小芹 【新智元导读】最近Trint公司做了一个测试,用它的AI软件对特朗普、克林顿...

360120
来自专栏量子位

不好,两群AI打起来了!“幕后主使”是上海交大~

夏乙 若朴 发自 凹非寺 量子位 出品 | 公众号 QbitAI 你们这些科学家在干什么!怎么教会AI打群架啦! ? 成百上千的AI agent,分成两支AI大...

43550
来自专栏机器之心

纽约客特稿 | 把癌症诊断交给机器,医疗服务会更好吗?

选自Newyorker 作者:Siddhartha Mukherjee 机器之心编译 参与:侯韵楚、Rick R、微胖、吴攀、蒋思源 深度学习系统变得越强大,它...

350150
来自专栏AI科技评论

阿里量子实验室最新成果:全球最强量子电路模拟器「太章」诞生

基于阿里巴巴集团计算平台在线集群的超强算力,「太章」在世界上率先成功模拟了 81(9x9)比特 40 层的作为基准的谷歌随机量子电路。

16050
来自专栏机器人网

构建变革制造业的焊接系统

ES200D(左)、MS210(右)的外观 机器人开发背景 点焊是汽车生产线必不可少的焊接方法之一。使用数量虽因产量而有所不同,但为成功组装汽车车身,平均每条生...

29360
来自专栏机器之心

业界 | 《硅谷》中的「See Food」不仅是真实的应用,还有真实的故事

机器之心报道 作者:李泽南 「我们知道杨靖的 app 是在食品领域中的,但我们假设它的实现基于手机摄像头,」HBO《硅谷》第四季中硅谷的投资人这样说道。「比如,...

33240
来自专栏量子位

“每天AI资讯这么多!该看哪些?”推荐一份优质资料清单

原作 BAILOOL & meetshah1995 Root 编译自 GitHub 量子位 出品 | 公众号 QbitAI 人工智能最近火到炸裂,不看吧担心和时...

33560
来自专栏数据的力量

用工程师的思维加上 3D 建模,熬出一碗浓浓的鸡汤

17830
来自专栏ATYUN订阅号

超级计算模拟和机器学习:使用更加清洁高效的工作流体发电

在传统的蒸汽动力装置中,剩余的水必须与发电蒸汽分开。这一过程限制了效率,而在早期的发电厂,可能会发生剧烈的变化,导致爆炸。在20世纪20年代,Mark Bens...

11620
来自专栏AI科技大本营的专栏

全网首发|如何不费吹灰之力就搞懂大脑的运行原理?这是有史以来最深入浅出的一篇科普文章了(《Neuralink》编译系列二)

昨天,我们全网首发了Tim Urban所撰写的,关于马斯克新公司Neuralink的科普文章的第一部分。 不过,那仅仅是个开胃汤,真正的热菜还没端上桌。 今...

484120

扫码关注云+社区

领取腾讯云代金券