和免疫荧光标记说拜拜 | 谷歌Cell论文:深度学习模型预测荧光位置

Root 发自 凹非寺 量子位 出品 | 公众号 QbitAI

在生物医学的研究里,显微镜可以帮助科学家们观察定位细胞水平或分子水平的物质。

常用的相差显微镜观察法,是从生物组织的一侧给光,对细胞损伤小,且材料准备过程非常简单。

可如果想要知道细胞核确切的位置,或者分析神经元树突的数量或要看细胞是死是活,此前的办法是必须要结合免疫荧光标记法,然后用荧光显微镜观察。

如果不用荧光标记,就能看懂小图1-4分别代表啥的话,算你厉害

蓝色,细胞核;红色,轴突;绿色,树突

1,神经元聚团;2,突触;3,轴突;
4,只剩两神经元活着,左下那个挂了(对比上个小图4看)

但做过免疫荧光标记的同学都知道。拿到一张好的荧光照片,一路上有多么不容易。

实验材料养大养好拿去切片这些体力上的苦就不说了。

上一抗二抗还有封闭,每一步都是坑。即使十万分小心走完了前面所有的步骤,到最后上荧光显微镜的时候还得面临光漂白的囧况。

这还只是固定的片子。荧光标记还有个不可忽视的缺陷,染料有毒。活体细胞上了荧光之后活不了多久,所以那些时间跨度很长的生理实验就别想了。

怎么样清晰定位目标物,同时还能绕开免疫荧光标记的缺点呢?

鱼和熊掌可以兼得

今天,谷歌科学加速团队(Google Accelerated Science team)在Cell上发表了一篇In Silico Labeling: Predicting Fluorescent Labels in Unlabeled Images论文。样本无需荧光染色,用深度学习模型就可预测出目标物的位置。

不仅省去了免疫荧光繁琐的过程,还不用担心背景噪音、不同荧光染料串色的问题。刚切完脑片(或培养好的其他组织细胞),就可以直接放相差显微镜上拍片了,剩下的交给算法模型就好。

模型训练及工作原理

和所有模型一样,这个预测荧光标记的模型需要获得靠谱的训练集。

因此,谷歌科学加速团队联合了哈佛Rubin实验室以及格拉德斯通研究所(Gladstone Institutes),收集了三种细胞(多功能干细胞诱导的人类运动神经元、人类乳腺癌细胞、大鼠大脑皮层组织培养细胞)在三种光学显微镜(明场、相差、微分干涉相差)下的图像数据。

下图顶行的细胞三维信息,重构自二维图像数据的叠影。不同的level表示不同的荧光标记物,马赛克的位置表明该实验样品没有进行此类荧光标记。

经过此数据集(图1A)的训练,模型(图1C)就可以直接把没有荧光标记的相差显微图像(图1 D)处理成带荧光标记的图像了,预测出特定结构或蛋白的位置。

这个预测标记算法还具备迁移学习能力,只要少量的训练数据,马上可以获得新型荧光标记的预测能力。深受免疫荧光标记之苦的胖友,可以前往GitHub获取该模型的代码和全部数据集。

这下细胞分子生物学出结果发paper的效率要飞起来了。

最后,附论文地址: http://www.cell.com/cell/fulltext/S0092-8674(18)30364-730364-7

及荧光标记预测模型代码: https://github.com/google/in-silico-labeling

你可能感兴趣

FDA批准首个无需人类医生指导的AI,可独立诊断眼科疾病

可预测死亡的AI,这套系统能有效拯救生命

谷歌与Verily发布新研究,可通过视网膜图像用AI检测心脏病

用深度学习检测冠心病:不依赖血管造影且成本下降25%

原文发布于微信公众号 - 量子位(QbitAI)

原文发表时间:2018-04-13

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

来自专栏量子位

最强NLP模型BERT喜迎PyTorch版!谷歌官方推荐,也会支持中文

谷歌的最强NLP模型BERT发布以来,一直非常受关注,上周开源的官方TensorFlow实现在GitHub上已经收获了近6000星。

2843
来自专栏安全领域

机器学习,流式IoT和医疗设备互联

现如今,IoT数据,实时流式数据分析(streaming analytics),机器学习以及分布式计算的组合相比之前有了长足的进步,同时成本也比以前要低,这使得...

85610
来自专栏量化投资与机器学习

我用Facebook开源神器Prophet,预测时间序列基于Python(代码+论文)

Prophet是Facebook 开源一款基于 Python 和 R 语言的数据预测工具。Facebook 表示,Prophet 相比现有预测工具更加人性化,并...

3712
来自专栏机器学习之旅

应用:风控用户识别方法前言接下来,让我们来讲讲,一期我们做了什么?为了用Isolation Forest而不用其他的识别算法?为什么用当前的算法进行识别而不用其他的识别算法?当前的设计下存在哪些问题?

update: 18.1.1 :Frcwp已如期上线,满足本文中的所有方法,欢迎拍砖

1032
来自专栏机器学习人工学weekly

机器学习人工学weekly-2018/6/3

1. Judea Pearl上次在NIPS有一张令人唏嘘的照片,不过现在他又回来了,发了新书也给了一个访谈,说深度学习就像是curve fitting(我觉得没...

1144
来自专栏大数据挖掘DT机器学习

自己动手写推荐系统

在下面介绍的做推荐系统的流程中,我只是想给大家介绍个普通的推荐系统该怎么做,所以很多地方都有偷懒,还请大家见谅。而且由于我不是做的在线的推荐系统,而是属于隔天...

3888
来自专栏目标检测和深度学习

Github 平均 Star 979!一文了解 Top 10 机器学习开源项目

1382
来自专栏机器之心

资源 | 这是一份非常全面的开源数据集,你,真的不想要吗?

1392
来自专栏CVer

【CVPR 2018】979篇录用论文合集下载

CVPR 2018 共计录用979篇论文,现已将所有 PDF文件打包成一个文件夹,并提供检索表格。前几天,CVPR 2018大会上刚刚发布了最佳论文奖、学生最佳...

1632
来自专栏测试开发架构之路

大话移动通信(一)

数字系统由于模拟系统:长距离传输没有噪声叠加;便于保密。 贝尔电话之  接收信号 何为信号?信号的时域概念 周期信号:正弦波(单一频率) 信号的频域概念:电磁信...

4736

扫码关注云+社区

领取腾讯云代金券