借由高功率顯微鏡和機器學(xué)習(xí)，美國科學(xué)家研發(fā)出一種新算法，可在整個細(xì)胞的超高分辨率圖像中自動識別大約30種不同類型的細(xì)胞器和其他結(jié)構(gòu)。相關(guān)論文發(fā)表在最新一期的《自然》雜志上。
領(lǐng)導(dǎo)該COSEM(電子顯微鏡下細(xì)胞分割)項目團隊的奧布蕾·魏格爾說，這些圖像中的細(xì)節(jié)幾乎不可能在整個細(xì)胞中手動解析。僅一個細(xì)胞的數(shù)據(jù)就由數(shù)萬張圖像組成，通過這些圖像追蹤該細(xì)胞的所有細(xì)胞器，需要一個人花60多年時間。但是新算法可在數(shù)小時內(nèi)繪制出整個細(xì)胞。
除了《自然》上兩篇文章外，研究團隊還發(fā)布了一個數(shù)據(jù)門戶“開放細(xì)胞器”，任何人都可通過該門戶訪問他們創(chuàng)建的數(shù)據(jù)集和工具。這些資源對于研究細(xì)胞器如何保持細(xì)胞運行非常寶貴，過去科學(xué)家們并不清楚不同細(xì)胞器和結(jié)構(gòu)怎樣排列——它們?nèi)绾蜗嗷ソ佑|及占據(jù)多少空間?，F(xiàn)在，這些隱藏的關(guān)系首次變得可見。
在過去十年中，研究團隊使用高功率電子顯微鏡從多種細(xì)胞中收集了大量數(shù)據(jù)，包括哺乳動物細(xì)胞。
最新的機器學(xué)習(xí)工具可在電子顯微鏡數(shù)據(jù)中精確定位突觸，即神經(jīng)元之間的連接。研究人員調(diào)整了算法來繪制或分割細(xì)胞中的細(xì)胞器，該分割算法為圖像中的每個像素分配一個數(shù)字，這個數(shù)字反映了像素離最近的突觸有多遠(yuǎn)，算法使用這些數(shù)字來識別和標(biāo)記圖像中的所有突觸。COSEM算法的工作方式與之類似，但維度更多。研究人員根據(jù)每個像素與30種不同類型的細(xì)胞器和結(jié)構(gòu)中的每一種的距離對每個像素進行分類。然后，算法整合所有這些數(shù)字來預(yù)測細(xì)胞器的位置。
研究人員表示，利用這些數(shù)字，該算法還能判斷特定的數(shù)字組合是否合理。例如，一個像素不能既位于內(nèi)質(zhì)網(wǎng)內(nèi)，同時又位于線粒體內(nèi)。
為了回答諸如細(xì)胞中有多少線粒體或它們的表面積是多少等問題，研究團隊構(gòu)建的算法結(jié)合了有關(guān)細(xì)胞器特征的先驗知識。經(jīng)過兩年的工作，COSEM研究團隊最終找到了一套算法，可為迄今為止收集的數(shù)據(jù)生成良好的結(jié)果。
目前，研究團隊正在將成像提升到更高的細(xì)節(jié)水平，并進一步優(yōu)化工具和資源，創(chuàng)建一個更為廣泛的細(xì)胞標(biāo)注數(shù)據(jù)庫和更多種細(xì)胞和組織的詳細(xì)圖像。這些成果將支持未來的新研究領(lǐng)域——4D細(xì)胞生理學(xué)，以了解細(xì)胞在構(gòu)成有機體的不同組織中的相互作用。(張夢然)
關(guān)鍵詞： 機器學(xué)習(xí) 細(xì)胞內(nèi)部結(jié)構(gòu) 高功率顯微鏡 新算法
營業(yè)執(zhí)照公示信息