利用深度学习进行精准快速的纳米复合药物筛选

现阶段，由于诸多干扰因素，例如纳米材料对细胞状态的影响和对常见实验手段结果的干扰等，纳米复合药物系统的治疗效果评估一直缺乏精准的判断方法，结合现如今机器学习在科研领域越来越广泛的应用，机器学习可能成为解决这一问题的有效途径。近日，同济大学附属上海同济医院的程黎明教授团队朱融融等开发了DeepScreen——一种基于深度学习的可以用于纳米复合药物筛选的新方法，其具有精准、迅速以及抗干扰等优势。

DeepScreen利用卷积神经网络（Convolutional neural network，CNN），基于流式细胞获得的单细胞图像，和常用实验手段相比较，可以大幅度节约检测时间，从原先的几天缩短到2-6小时，有效提高检测效率。同时，机器学习可以减少来自于人为实验操作带来的误差，结果表明检测准确度高达0.966，证实了其在缩短了检测时间的基础上仍可以保证检测精确度。在自发荧光药物效果判断结果上看，DeepScreen也具备了优秀的抗干扰能力，是一种兼备快速、精确和抗干扰的检测方法。此外，Class activation maps显示深度学习可以高效提取、识别和定位到细胞凋亡的微小变化特征，从而在药物作用的早期阶段，甚至在有纳米材料和药物自发荧光等干扰条件下，精准地判断药物的作用效果。我们相信，拥有多项突出优势的DeepScreen将成为一种有广阔应用前景的药物检测系统。

相关工作发表在Advanced Science（DOI:10.1002/advs.201800909）上。