重磅！AI深度学习干细胞，大数据预测疾病模型

对于干细胞生物学家来说，他们一直以来怀疑猜测两个遗传物质上克隆的干细胞是否完全相同。近日，这一生物学领域的惊人多样性现象在西雅图得以进一步确认——6000多张荧光标记的诱导性多能干细胞（iPS）图片揭示了大量丰富的细胞生物学基础信息。

2017年4月5日，艾伦研究所（The Allen Institute）旗下的艾伦细胞科学研究所（The Allen Institute for Cell Science）宣布推出了“Allen Cell Explorer”：这是一个的门户工具，可窥察人体细胞的动态数字化窗口。该网站整合了大型3D成像数据，应用人工智能、机器深度学习和CRISPR基因编辑，该系统创建了可视化的细胞组织预测模型和其他一系列强大工具。此外，这一门户网站兼共享平台将允许研究人员预测可能预示癌症和其他疾病的细胞布局变化。
艾伦细胞科学研究所执行所长Rick Horwitz博士表示，这一前所未有的工具可能通过揭示细胞结构层面意想不到的数据结果，加速干细胞研究、癌症研究和药物开发方面的进展。他说道：“细胞是非常复杂的，它涉及成千上万的相互作用部件，一起协调工作来驱动和调节细胞结构及行为。我们非常兴奋地推出Allen Cell Explorer网站，并与全球科学界共享我们宏大的细胞数据、令人难以置信的图像以及预测模型等等。”

该项目开始于大约一年之前，Horwitz博士和他的研究团队将成年皮肤细胞重新编程成未分化的胚胎阶段状态，然后他们使用CRISPR-Cas9技术在基因中插入荧光蛋白“标签”，使得细胞内结构发光。这些基因包括了编码细胞内肌动蛋白丝的基因，这一类蛋白有助于细胞移动并保持其形状。研究人员很快地清楚发现，即使来自同一亲本细胞，所有遗传克隆的细胞在其胞内组分上迥然不同：例如线粒体和肌动蛋白纤维的位置、形状和数量都具有差异性。
值得一提的是，一体化细胞模型（The Integrated Cell Model）是Allen Cell Explorer中的一个特色组件，是应用深度学习技术预测人类干细胞胞内组织结构的个模型。为了创建模型，研究人员对数千个人类干细胞的高质量图像进行了“培训”，以了解干细胞组件的组织方式。具体来说，计算机科学家使用深度学习程序分析了数千个图像，并发现了细胞胞内结构位置之间的关系。然后，他们使用这些信息来预测结构可能的位点，比如当使用程序改变细胞核的位置之时。该计划旨在通过将其预测结果与实际细胞进行比较来“深度学习”。
在接下来的几个月中，艾伦研究所的研究人员将在细胞分裂的不同阶段更新干细胞图像，这也意味着这些细胞将逐步转变为不同的细胞类型（如心脏细胞和肾细胞）。 Horwitz博士认为，在不同时间点捕获细胞特征对于确定其基本发育或生长过程至关重要。
Horwitz博士继续说：“这是研究人员次使用‘深入学习’来尝试了解实际上细胞如何组织自我的难题。我们现在大体依赖于教科书的示意图画，这些示意画是基于艺术科学家对相对较少数量的细胞数据的诠释。我相信简单示意图终将被数量众多的细胞数据驱动模型所取代。”
艾伦研究所总裁兼首席执行官Allan Jones博士说道：“Allen Cell Explorer对如何看待人类细胞组织将起到非凡的作用。艾伦细胞科学研究所提供的这些强大工具是我们免费提供资源的一部分。我们始终遵循我们的理念：创建和分享强大的开放型科学工具，推动世界各地的科学创新。”
参考资料：
[1] Machine learning predicts the look of stem cells
[2] 3-D window into the human cell
[3] The Allen Institute官方网站