细胞浏览器：机器学习预测出的3D干细胞图像库
原文以Machine learning predicts the look of stem cells为标题
发布在2017年4月5日的《自然》新闻上
原文作者：Amy Maxmen
网站包含数以千计的3D干细胞图像，能够帮助更好地理解某些疾病，譬如癌症。
没有两个干细胞是完全相同的，即便它们是基因克隆体。4月5日，一个规模巨大且对公众开放的3D干细胞图像在线目录，揭示了这惊人的多样性。这些图像是深度学习分析的产物，细胞系则是通过基因编辑工具CRISPR进行改造的。在不久的未来，这一网站将使得研究人员能够预测细胞布局的变异，而这种变异可能是癌症和其他疾病的先兆。
从皮肤中提取出的人类干细胞的三维视图：DNA（蓝色）、细胞膜（紫色）和其他结构（黄色）。
艾伦细胞科学研究所
该门户名为“艾伦细胞浏览器”（Allen Cell Explorer），由位于华盛顿州西雅图的艾伦细胞科学研究所研发而成，它包含一个持续扩容的图片库，内有超过6000张诱导多能干细胞（iPS）的图像—由于荧光标记物突出显示了特定基因，故该细胞的主要组成部分能够发光。
目前有多个团队正在DNA、RNA和蛋白质层面绘制单细胞的唯一性，这个细胞浏览器正是对它们的补充。艾伦细胞科学研究所的负责人里克·霍维茨表示，研究所的图像也许能够揭示细胞结构中意想不到的方面，加快干细胞研究、癌症研究和药物开发的进程。“如果你一场足球比赛都没有看过，那么就算对所有选手的数据了如指掌，也无法预测某场比赛的结果。”
该项目大约一年前启动，研究对象是重编程为类似胚胎的、未分化状态的成体皮肤细胞。霍维茨和他的团队使用CRISPR-Cas9将标记物嵌入基因，使得细胞内的结构发光。这些基因中包括为突出显示肌动蛋白丝的蛋白质合成指定遗传密码的基因，肌动蛋白丝能够帮助细胞移动并保持形状。他们很快发现，虽然这些细胞是来自同一母细胞的基因克隆，但是在位置、形状和组成部分（例如线粒体和肌动蛋白纤维）的数量等方面都存在区别。
分裂中的人类干细胞，能看到细胞膜（黄色）、DNA（蓝色）和微管（红色）。
艾伦细胞科学研究所
计算机科学家使用深度学习程序分析了数以千计的图像，并从中找到了细胞结构所在位置间的联系。之后，他们使用这一信息，在仅给程序提供少数几条线索的情况下，对细胞结构位置进行预测，例如细胞核的位置。通过将其预测结果和实际细胞进行对比，程序逐渐“学会”了预测。
霍维茨表示，他们采用的深度学习算法和公司用于预测人们的喜好的算法类似：“如果你在亚马逊买了一把链锯，它之后可能会将链条油和格子衬衫推荐给你。”
基于这一深度学习能力的3D交互工具可能于今年晚些时候推出。目前，网站预先展示的是它如何通过并排对比预测结果和实际图像进行工作。
本杰明·弗里德曼是华盛顿大学的一位细胞生物学家，他期待在艾伦研究所团队教会他们的算法识别更多在基因方面或以化学方法改变的iPS细胞之后，探索使用细胞浏览器的预测功能。
例如，弗里德曼说他可以尝试将一个经艾伦研究所荧光标记的干细胞中的一个和肾病相关的基因删除，观察这一突变是如何影响发光结构的。之后，他可以使用网站的建模工具确认其他细胞组成部分可能发生什么改变。“最终，”弗里德曼说，“我们想了解细胞层面引起肾病的整体过程。”
在未来几个月里，艾伦研究所的研究人员将升级网站，加进干细胞在不同分裂阶段以及在转变成不同类型细胞（例如心脏细胞和肾细胞）时的图像。霍维茨表示，记录下不同时间点的细胞对于辨认一些基本过程可能是至关重要的。
基因一致的干细胞的DNA（紫色）和细胞膜（蓝色）在结构上的区别。
艾伦细胞科学研究所
艾伦研究所对于干细胞可视化的重视，与一些试图编录细胞其他方面内容的努力不谋而合。例如，总部设在伦敦的慈善机构英国癌症研究中心正在建立关于肿瘤中的乳腺癌细胞的交互式虚拟现实模型。另一个名为人类细胞图谱（Human Cell Atlas）的国际项目致力于依据分子谱，包括DNA序列、RNA转录本和蛋白质，来定义所有人类细胞类型。
阿维芙·雷格夫是博德研究所的一名计算生物学家，目前正为人类细胞图谱项目工作，她表示艾伦细胞浏览器聚焦的是细胞结构的外形，而不是基因、RNA和蛋白质如何在细胞内相互作用，对她的项目起到了补充作用。
“大家逐渐接受一个事实，即直到最近我们都以为是相同的细胞，其实存在许多差异，”她说，“所以我们现在正没有偏见地去研究那些之前我们压根不知道存在的线索。”ⓝ
Nature|doi:10.1038/nature.2017.21769
点击“阅读原文”阅读英文原文
相关文章
按照中国干细胞研究新规开展的首批试验，包括有关视力减退和帕金森症疗法的研究。
点击此处阅读：中国即将开展多项人类胚胎干细胞试验|《自然》新闻
版权声明：
本文由施普林格·自然上海办公室负责翻译。中文内容仅供参考，一切内容以英文原版为准。欢迎转发至朋友圈，如需转载，请邮件Chinapress@nature.com。未经授权的翻译是侵权行为，版权方将保留追究法律责任的权利。
© 2017 Macmillan Publishers Limited, part of Springer Nature. All Rights Reserved