機器學習能快速揭示細胞內部結構
來源：科技日報 發(fā)布時間：2021-10-11 09:55:18
借由高功率顯微鏡和機器學習，美國科學家研發(fā)出一種新算法,，可在整個細胞的超高分辨率圖像中自動識別大約30種不同類型的細胞器和其他結構。相關論文發(fā)表在最新一期的《自然》雜志上,。領導該COSEM（電子顯微鏡下細胞分割）項目團隊的奧布蕾·魏格爾說，這些圖像中的細節(jié)幾乎不可能在整個細胞中手動解析,。僅一個細胞的數(shù)據(jù)就由數(shù)萬張圖像組成,，通過這些圖像追蹤該細胞的所有細胞器，需要一個人花60多年時間,。但是新算法可在數(shù)小時內繪制出整個細胞,。
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胞器如何保持細胞運行非常寶貴,，過去科學家們并不清楚不同細胞器和結構怎樣排列——它們如何相互接觸及占據(jù)多少空間?，F(xiàn)在，這些隱藏的關系首次變得可見,。
在過去十年中,，研究團隊使用高功率電子顯微鏡從多種細胞中收集了大量數(shù)據(jù)，包括哺乳動物細胞,。
最新的機器學習工具可在電子顯微鏡數(shù)據(jù)中精確定位突觸,，即神經元之間的連接。研究人員調整了算法來繪制或分割細胞中的細胞器,，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，算法使用這些數(shù)字來識別和標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種不同類型的細胞器和結構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)字來預測細胞器的位置。
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質網內,，同時又位于線粒體內。
為了回答諸如細胞中有多少線粒體或它們的表面積是多少等問題，研究團隊構建的算法結合了有關細胞器特征的先驗知識,。經過兩年的工作,，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)生成良好的結果,。
目前,，研究團隊正在將成像提升到更高的細節(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胞標注數(shù)據(jù)庫和更多種細胞和組織的詳細圖像,。這些成果將支持未來的新研究領域——4D細胞生理學，以了解細胞在構成有機體的不同組織中的相互作用,。
責任編輯：平小娜
