科学家迎来3D细胞AI工具 有助于深入研究疾病成因

　　要了解很多即便的原理，就必须更加深入地了解细胞的运作机制。 好消息是，随着技术的进展，科学家们有了越来越强大的工具。本文要为大家介绍的，就是来自艾伦研究所的《Allen Intergrated Cell》。 当前该工具已在线上免费开放，其专注于人类干细胞、或那些尚未转化成的细胞（比如肌肉或心脏细胞）。通过 3D 可视化技术，它能够帮助研究人员更好地了解疾病。

　　

　　细胞图像及其内部结构

　　

　　研究员 Greg Johnson 表示：

　　

　　如果我们能够更好地理解健康细胞的内部工作原理，就可以知晓它在出现哪些问题的时候，才会变成癌细胞。

　　

　　我们可以追溯癌细胞的过往，观察它所发生的变化，然后尽早地发现它们

　　

　　算法会学习预测任何细胞结构的形状和位置， 而不仅仅是它已经见识过的、或有其它有标记的结构：

　　

　　首先，科学家对细胞进行基因改造，让它的内部结构（比如线粒体）发光。

　　

　　然后，他们拍摄这些发光细胞的数千张照片，并将之投喂给机器学习算法。

 

　　该方法的重要性在于，它能让研究人员有有效、更廉价地研究细胞。当涉及细胞影像的时候，有几种不同的方法。而最简单、最实惠的，就是亮场成像（ bright-field imaging ）。

　　

　　据 Johnson 所述，这就像是高中生物课那样，通过显微镜来观察池塘水。你会看到一幅非常明亮的图像，而某些暗点就是内部结构。但细致程度也仅限于此，使得我们很难真正理解细胞的微妙之处。

　　

　　另外一种方法，就是科学家们所做的 —— 设计一种细胞，并使其发光！ 但显然，你要制造的发光结构越多，其成本也就更高。

　　

　　此外这些细胞对使它们发光的染料的反应不太好，意味着很快就会死亡，跟别提随着时间的推移去观察它们了。

　　

　　好消息是，Allen Integrated Cell 在看到一个明亮图像的基础上，还能向科学家们展示其内部构造。

　　

　　由于我们只需通过亮场来获取图像，所以其成本很低、也没有毒性。

　　

　　这意味着我们可以在很长一段时间内拍摄很多图像，并观察它们的动态。

　　

　　在以前，这显然是无法做到的。