AI+机器人自动化细胞培养平台揭示帕金森病的隐藏特征

2022年3月25日，发表在Nature Communications上的一项研究公布了一个发现疾病细胞特征的新平台，该平台将研究患者细胞的机器人系统与图像分析的人工智能方法相结合。

纽约干细胞基金会(NYSCF)研究所的科学家们利用他们的自动化细胞培养平台，与谷歌研究部门合作，通过创建和分析来自91名患者和健康对照组的超过一百万张皮肤细胞的图像，成功地确定了帕金森病的新细胞标志。

NYSCF首席执行官Susan L. Solomon指出："传统的药物发现工作并不顺利，特别是对于像帕金森病这样的复杂疾病，"NYSCF建立的机器人技术使我们能够从大量的患者群体中产生大量的数据，并发现疾病的新特征，作为发现真正有效的药物的全新基础。"

"这是人工智能在疾病研究方面的力量的一个理想展示，"谷歌研究院的软件工程师Marc Berndl补充说，"我们与NYSCF的合作非常富有成效，特别是因为他们先进的机器人系统创造了可重复的数据，可以产生可靠的见解。"

人工智能和自动化的结合

该研究利用NYSCF庞大的患者细胞库和最先进的机器人系统--The NYSCF Global Stem Cell Array--对来自91名帕金森病患者和健康对照组的数百万细胞的图像进行分析。科学家们利用Array从皮肤打孔活检样本中分离和培养成纤维细胞，用Cell Painting技术标记这些细胞的不同部分，并创建数以千计的高通量光学显微镜图像。所得到的图像被送入一个无偏见的、人工智能驱动的图像分析管道，确定患者细胞特有的图像特征，可用于区分他们与健康对照组。

干细胞在皿中生长的日常扫描

"这些人工智能方法可以确定患者细胞有哪些共同点，而这些共同点可能无法通过其他方式观察到，"谷歌研究院的研究科学家Samuel J. Yang说。"同样重要的是，这些算法是无偏见的--它们不依赖于任何关于帕金森病的先验知识或先入为主的观念，因此我们可以发现全新的疾病特征。"

临床试验的高失败率突出了对帕金森病新特征的需求。使用无偏见的方法发现这些新的疾病特征，特别是在不同的病人群体中，对诊断和药物发现有价值，甚至揭示了病人之间的新区别。

"令人振奋的是，我们能够区分患者细胞和健康对照组的图像，以及疾病的不同亚型，"纽约科学基金会的高级研究人员Bjarki Johannesson博士指出。"我们甚至可以相当准确地预测一个细胞样本来自哪个捐赠者。

应用于药物发现

该团队确定的帕金森病特征现在可以作为对患者细胞进行药物筛选的基础，以发现哪些药物可以逆转这些特征。该研究还产生了已知的最大的Cell Painting数据集（48TB），作为社区资源，可供研究界使用（https://nyscf.org/nyscf-adpd/）。

值得注意的是，该平台是疾病诊断性的，只需要来自患者的容易获得的皮肤细胞。它也可以应用于其他细胞类型，包括NYSCF为模拟各种疾病而创造的诱导多能干细胞的衍生品。因此，研究人员希望他们的平台能够为传统药物研发不成功的许多疾病开辟新的治疗途径。

NYSCF发现和平台开发高级副总裁Daniel Paull博士说："这是第一个以如此高的精度和灵敏度成功识别疾病特征的工具，它识别病人亚群的能力对许多难治性疾病的精准医疗和药物开发具有重要意义"。

纽约干细胞基金会研究所

纽约干细胞基金会(NYSCF)研究所是一个独立的非营利组织，通过干细胞研究加速为患者提供治愈和更好的治疗。NYSCF研究所是公认的干细胞研究和开拓性干细胞技术的世界领导者，包括NYSCF Global Stem Cell Array，它被用来为全球的实验室创建细胞系。

参考资料

https://nyscf.org/resources/artificial-intelligence-and-robotics-uncover-hidden-signatures-of-parkinsons-disease/

Schiff, L., Migliori, B., Chen, Y. et al. Integrating deep learning and unbiased automated high-content screening to identify complex disease signatures in human fibroblasts. Nat Commun 13, 1590 (2022). https://doi.org/10.1038/s41467-022-28423-4

--------- End ---------

感兴趣的读者，可以添加小邦微信（zhiyaobang2020）加入读者实名讨论微信群。添加时请主动注明姓名-企业-职位/岗位 或  姓名-学校-职务/研究方向。

- 历史文章推荐 -

【自动化智能化药物发现】