重磅！AI深度學習幹細胞，大數據預測疾病模型

「世界上沒有兩片完全相同的樹葉。」

對於幹細胞生物學家來說，他們一直以來懷疑猜測兩個遺傳物質上克隆的幹細胞是否完全相同。近日，這一生物學領域的驚人多樣性現象在西雅圖得以進一步確認——6000多張熒游標記的誘導性多能幹細胞（iPS）圖片揭示了大量豐富的細胞生物學基礎信息。

2017年4月5日，艾倫研究所（The Allen Institute）旗下的艾倫細胞科學研究所（The Allen Institute for Cell Science）宣布推出了「Allen Cell Explorer」：這是一個獨一無二的門戶工具，首個可窺察人體細胞的動態數字化窗口。該網站整合了大型3D成像數據，應用人工智慧、機器深度學習和CRISPR基因編輯，該系統創建了可視化的細胞組織預測模型和其他一系列強大工具。此外，這一門戶網站兼共享平台將允許研究人員預測可能預示癌症和其他疾病的細胞布局變化。

艾倫細胞科學研究所執行所長Rick Horwitz博士（圖片來源：艾倫細胞科學研究所）

艾倫細胞科學研究所執行所長Rick Horwitz博士表示，這一前所未有的工具可能通過揭示細胞結構層面意想不到的數據結果，加速幹細胞研究、癌症研究和藥物開發方面的進展。他說道：「細胞是非常複雜的，它涉及成千上萬的相互作用部件，一起協調工作來驅動和調節細胞結構及行為。我們非常興奮地推出Allen Cell Explorer網站，並與全球科學界共享我們宏大的細胞數據、令人難以置信的圖像以及預測模型等等。」

產生Allen Cell Explorer的流程（圖片來源：艾倫細胞科學研究所）

該項目開始於大約一年之前，Horwitz博士和他的研究團隊將成年皮膚細胞重新編程成未分化的胚胎階段狀態，然後他們使用CRISPR-Cas9技術在基因中插入熒光蛋白「標籤」，使得細胞內結構發光。這些基因包括了編碼細胞內肌動蛋白絲的基因，這一類蛋白有助於細胞移動並保持其形狀。研究人員很快地清楚發現，即使來自同一親本細胞，所有遺傳克隆的細胞在其胞內組分上迥然不同：例如線粒體和肌動蛋白纖維的位置、形狀和數量都具有差異性。

遺傳信息相同的幹細胞，DNA（紫色）和細胞膜（藍色）結構也有差異（圖片來源：艾倫細胞科學研究所）

值得一提的是，一體化細胞模型（The Integrated Cell Model）是Allen Cell Explorer中的一個特色組件，是應用深度學習技術預測人類幹細胞胞內組織結構的第一個模型。為了創建模型，研究人員對數千個人類幹細胞的高質量圖像進行了「培訓」，以了解幹細胞組件的組織方式。具體來說，計算機科學家使用深度學習程序分析了數千個圖像，並發現了細胞胞內結構位置之間的關係。然後，他們使用這些信息來預測結構可能的位點，比如當使用程序改變細胞核的位置之時。該計劃旨在通過將其預測結果與實際細胞進行比較來「深度學習」。

在接下來的幾個月中，艾倫研究所的研究人員將在細胞分裂的不同階段更新幹細胞圖像，這也意味著這些細胞將逐步轉變為不同的細胞類型（如心臟細胞和腎細胞）。 Horwitz博士認為，在不同時間點捕獲細胞特徵對於確定其基本發育或生長過程至關重要。

Horwitz博士繼續說：「這是研究人員第一次使用『深入學習』來嘗試了解實際上細胞如何組織自我的難題。我們現在大體依賴於教科書的示意圖畫，這些示意畫是基於藝術科學家對相對較少數量的細胞數據的詮釋。我相信簡單示意圖最終將被數量眾多的細胞數據驅動模型所取代。」

艾倫研究所總裁兼首席執行官Allan Jones博士（圖片來源：EurekAlert!）

艾倫研究所總裁兼首席執行官Allan Jones博士說道：「Allen Cell Explorer對如何看待人類細胞組織將起到非凡的作用。艾倫細胞科學研究所提供的這些強大工具是我們免費提供資源的一部分。我們始終遵循我們的理念：創建和分享強大的開放型科學工具，推動世界各地的科學創新。」

參考資料：

[1] Machine learning predicts the look of stem cells

[2] 3-D window into the human cell

[3] The Allen Institute官方網站