科學家迎來又一款3D細胞AI工具 有助於深入研究疾病成因

要了解很多即便的原理，就必須更加深入地了解細胞的運作機制。好消息是，隨著技術的進展，科學家們有了越來越強大的工具。本文要為大家介紹的，就是來自艾倫研究所的《Allen Intergrated Cell》。當前該工具已在線上免費開放，其專註於人類幹細胞、或那些尚未轉化成的細胞（比如肌肉或心臟細胞）。通過 3D 可視化技術，它能夠幫助研究人員更好地了解疾病。

細胞圖像及其內部結構

Allen Institute 研究員 Greg Johnson 表示：

如果我們能夠更好地理解健康細胞的內部工作原理，就可以知曉它在出現哪些問題的時候，才會變成癌細胞。

我們可以追溯癌細胞的過往，觀察它所發生的變化，然後儘早地發現它們

演算法會學習預測任何細胞結構的形狀和位置，而不僅僅是它已經見識過的、或有其它有標記的結構：

首先，科學家對細胞進行基因改造，讓它的內部結構（比如線粒體）發光。

然後，他們拍攝這些發光細胞的數千張照片，並將之投餵給機器學習演算法。

動圖演示

該方法的重要性在於，它能讓研究人員有有效、更廉價地研究細胞。當涉及細胞影像的時候，有幾種不同的方法。而最簡單、最實惠的，就是亮場成像（bright-field imaging）。

據 Johnson 所述，這就像是高中生物課那樣，通過顯微鏡來觀察池塘水。你會看到一幅非常明亮的圖像，而某些暗點就是內部結構。但細緻程度也僅限於此，使得我們很難真正理解細胞的微妙之處。

另外一種方法，就是科學家們所做的 —— 設計一種細胞，並使其發光！但顯然，你要製造的發光結構越多，其成本也就更高。

此外這些細胞對使它們發光的染料的反應不太好，意味著很快就會死亡，跟別提隨著時間的推移去觀察它們了。

好消息是，Allen Integrated Cell 在看到一個明亮圖像的基礎上，還能向科學家們展示其內部構造。

由於我們只需通過亮場來獲取圖像，所以其成本很低、也沒有毒性。

這意味著我們可以在很長一段時間內拍攝很多圖像，並觀察它們的動態。

在以前，這顯然是無法做到的。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！