导航菜单

他的人工智能工具,能够窥探活体细胞内部的奥秘

23: 46: 10技术日报

1564932505642823276.jpg

▲图:艾伦细胞科学研究所的计算机视觉研究员格雷格约翰逊证明,深度学习神经网络可以从未标记的显微照片中提取细胞解剖细节,并创建复杂的细胞模型。 (Chona Kasinger /图像来源)

首先,我宣称每个人都在高中生物学教科书中学到的细胞知识基本上是错误的。典型的体细胞例如,多能干细胞可以分化成人体组织,如肌肉,神经,甚至皮肤。不是简单的半透明球体。它的内部组成绝不是一种易于区分的静态结构,就像在明胶中悬浮的菠萝一样。相比之下,活细胞更像是一个半融化的果冻豆,塞进一个小三明治。内部结构不断变化,编程机制比计算机芯片更加精确和复杂。

简而言之,即使在21世纪,仍然很难理解单元格内部的内容,更不用说各个组件之间的相互作用了。艾伦细胞科学研究所的计算机视觉和机器学习研究员格雷格约翰逊说:“我们可以将电池视为像汽车一样复杂的机器。除了24小时的连续运行,有时还会有两辆汽车并排运行有时甚至连四辆车也齐头并进。即使是世界上最聪明的工程师也无法复制这些先进的机器.我不太了解人类如何在细胞上工作。我总是有这种感觉。“

为了观察活细胞的内部运作,生物学家现在选择将基因工程与先进的光学显微镜相结合。 (电子显微镜可以非常详细地对细胞内部进行成像,但它无法拍摄移动的活体样本。)通常,细胞的遗传修饰会产生一种荧光蛋白,附着在特定的亚细胞结构中,如线粒体或细胞微管。当用特定波长的光照射细胞时,荧光蛋白照射,这相当于在视觉上标记相关结构。然而,这种技术昂贵,非常耗时,并且一次只能观察到电池中的一部分结构特征。

但凭借他在软件工程方面的专业背景,约翰逊想知道:如果研究人员能够教授人工智能以识别细胞内特征并自动标记它们,会发生什么? 2018年,他和艾伦研究所的几位合作者开始了这次探索之旅。使用荧光成像样本,他们训练了一个深度学习系统,以识别十几个亚细胞结构,直到系统能够区分以前从未见过的细胞中的这些结构。更重要的是,经过训练,约翰逊的系统甚至可以处理细胞的“明场图像”。是通过普通光学显微镜直接获得的图像,其内容“像手电筒照射下的细胞”。

与以前昂贵的荧光成像实验不同,科学家现在可以使用这种“无标记测定”有效地将活细胞的高保真3D图像拼凑在一起。

这些数据也可用于构建理想化的细胞生物学精确模型。基本上类似于高中教科书中的常规图像,但具有更高的科学准确性。这也是该项目的最终目标。

1564932505739153700.jpg

1564932505864764045.jpg

▲?图:在简单的活细胞“明视野”光学显微镜图像中,约翰逊的系统识别未标记的DNA,核仁,核膜,细胞膜和线粒体(系统以多种颜色突出显示))。此后,系统还能够为这些单元创建动态3D模型。

“我们希望能够提出一个普通的细胞,观察它,剖析它,并分析具体的结构。”此外,因为结果是基于统计数据,结果还包括我们期望的所有变化。你可以说,约翰逊说。让我们来看看这个异常版本的单元格,并弄清楚它是如何制作的。“?

早在2010年卡内基梅隆大学就开始尝试使用机器学习实现细胞内可视化,而深度学习技术并没有引发人工智能的一系列突破。近十年后,约翰逊相信他的AI增强活细胞成像方法可以显着提高软件模型的准确性,从而减少甚至消除一些实验需求。他说:“我们希望尽可能地降低拍摄细胞图像的成本,同时尽可能地预测细胞形态。它是如何构建的?基因表达如何?它的邻居细胞如何与它相互作用?我,无标记的测量只是未来更复杂目标的基础。“

我们采访了约翰逊,希望了解基底细胞生物学的挑战以及人工智能在显微镜领域的未来。编辑对话以确保清晰和清晰。

1564932505557110913.jpg

(Chona Kasinger /图像来源)

1564932505642823276.jpg

▲图:艾伦细胞科学研究所的计算机视觉研究员格雷格约翰逊证明,深度学习神经网络可以从未标记的显微照片中提取细胞解剖细节,并创建复杂的细胞模型。 (Chona Kasinger /图像来源)

首先,我宣称每个人都在高中生物学教科书中学到的细胞知识基本上是错误的。典型的体细胞例如,多能干细胞可以分化成人体组织,如肌肉,神经,甚至皮肤。不是简单的半透明球体。它的内部组成绝不是一种易于区分的静态结构,就像在明胶中悬浮的菠萝一样。相比之下,活细胞更像是一个半融化的果冻豆,塞进一个小三明治。内部结构不断变化,编程机制比计算机芯片更加精确和复杂。

简而言之,即使在21世纪,仍然很难理解单元格内部的内容,更不用说各个组件之间的相互作用了。艾伦细胞科学研究所的计算机视觉和机器学习研究员格雷格约翰逊说:“我们可以将电池视为像汽车一样复杂的机器。除了24小时的连续运行,有时还会有两辆汽车并排运行有时甚至连四辆车也齐头并进。即使是世界上最聪明的工程师也无法复制这些先进的机器.我不太了解人类如何在细胞上工作。我总是有这种感觉。“

为了观察活细胞的内部运作,生物学家现在选择将基因工程与先进的光学显微镜相结合。 (电子显微镜可以非常详细地对细胞内部进行成像,但它无法拍摄移动的活体样本。)通常,细胞的遗传修饰会产生一种荧光蛋白,附着在特定的亚细胞结构中,如线粒体或细胞微管。当用特定波长的光照射细胞时,荧光蛋白照射,这相当于在视觉上标记相关结构。然而,这种技术昂贵,非常耗时,并且一次只能观察到电池中的一部分结构特征。

但凭借他在软件工程方面的专业背景,约翰逊想知道:如果研究人员能够教授人工智能以识别细胞内特征并自动标记它们,会发生什么? 2018年,他和艾伦研究所的几位合作者开始了这次探索之旅。使用荧光成像样本,他们训练了一个深度学习系统,以识别十几个亚细胞结构,直到系统能够区分以前从未见过的细胞中的这些结构。更重要的是,经过训练,约翰逊的系统甚至可以处理细胞的“明场图像”。是通过普通光学显微镜直接获得的图像,其内容“像手电筒照射下的细胞”。

与以前昂贵的荧光成像实验不同,科学家现在可以使用这种“无标记测定”有效地将活细胞的高保真3D图像拼凑在一起。

这些数据也可用于构建理想化的细胞生物学精确模型。基本上类似于高中教科书中的常规图像,但具有更高的科学准确性。这也是该项目的最终目标。

1564932505739153700.jpg

1564932505864764045.jpg

▲?图:在简单的活细胞“明视野”光学显微镜图像中,约翰逊的系统识别未标记的DNA,核仁,核膜,细胞膜和线粒体(系统以多种颜色突出显示))。此后,系统还能够为这些单元创建动态3D模型。

“我们希望能够提出一个普通的细胞,观察它,剖析它,并分析具体的结构。”此外,因为结果是基于统计数据,结果还包括我们期望的所有变化。你可以说,约翰逊说。让我们来看看这个异常版本的单元格,并弄清楚它是如何制作的。“?

早在2010年卡内基梅隆大学就开始尝试使用机器学习实现细胞内可视化,而深度学习技术并没有引发人工智能的一系列突破。近十年后,约翰逊相信他的AI增强活细胞成像方法可以显着提高软件模型的准确性,从而减少甚至消除一些实验需求。他说:“我们希望尽可能地降低拍摄细胞图像的成本,同时尽可能地预测细胞形态。它是如何构建的?基因表达如何?它的邻居细胞如何与它相互作用?我,无标记的测量只是未来更复杂目标的基础。“

我们采访了约翰逊,希望了解基底细胞生物学的挑战以及人工智能在显微镜领域的未来。编辑对话以确保清晰和清晰。

1564932505557110913.jpg

(Chona Kasinger /图像来源)