卡内基梅隆大学计算机科学学院的研究团队研发了一种利用人工智能技术来提升细胞研究的方式，旨在帮助科学家更深入地理解疾病并最终找到治疗方案。
器官或组织样本的图像中包含数百万个细胞。尽管对这些细胞进行原位分析是生物学研究的重要环节，但识别单个细胞、确定其功能及了解其组织结构几乎是不可能的。一种被称为空间转录组学的技术，通过将成像与每个细胞中基因水平的量化能力结合，使得这些细胞成为研究的焦点，从而使研究人员能够深入探讨多个关键的生物机制，包括免疫细胞如何对抗癌症以及药物和衰老对细胞的影响。
目前许多空间转录组学平台在分辨率上仍然不足以进行更细致的分析。这些技术通常将细胞分组成簇，每次测量的范围从几个到50个细胞，这种分辨率对于表现良好的大细胞可能足够，但对于小细胞或表现不佳的细胞则存在问题。这些稀有细胞可能是研究特定疾病或病症的关键。
在《自然方法》杂志上发表的一篇新论文中，计算生物系的研究人员Hao Chen、Dongshunyi Li和Ziv Bar-Joseph提出了一种利用人工智能增强最新空间转录组学技术的方法。
CMU的研究重点是采用最新技术在更近的尺度上生成图像，允许亚细胞分辨率（即对每个细胞进行多次测量）。虽然这些技术解决了分辨率的问题，但也带来了新的挑战，因为所获得的图像如此近距离，不再是每张图像捕获15到50个细胞，而是仅捕获少数基因。与之前的问题相反，在识别单个成分和确定如何将这些测量分组以了解特定细胞方面产生了困难。这也使得整体情况变得模糊。
CBD研究人员开发的算法被称为亚细胞空间转录组细胞分割（SCS），它利用人工智能和先进的深度神经网络自适应地识别细胞及其组成部分。SCS使用变压器模型，类似于ChatGPT等大型语言模型所使用的模型，从每次测量周围的区域收集信息。就像ChatGPT使用句子或段落的整体上下文来完成单词补全一样，SCS方法通过结合周围细胞的信息来填补特定测量的缺失信息。
当应用于含有数十万细胞的大脑和肝脏样本的图像时，SCS能够准确识别每个细胞的确切位置和类型。SCS还识别出几种当前分析方法所遗漏的细胞，例如在特定疾病或过程（包括衰老）中可能发挥关键作用的稀有细胞和小细胞。SCS还提供了细胞内分子位置的信息，极大地提高了研究人员对细胞组织的研究分辨率。
“利用人工智能的最新进展来帮助研究人体的能力，为空间转录组学的多个下游应用打开了大门，以改善人类健康，”CMU机器学习和计算生物学的FORE系统教授Ziv Bar-Joseph表示。这些下游应用已经被多个大型联盟所研究，包括人类生物分子图谱计划（HuBMAP），他们正在使用空间转录组学创建详细的人体3D地图。
“通过整合最先进的生物技术和人工智能，SCS有助于解开关于细胞组织的几个悬而未决的问题，这些问题对于我们理解并最终治疗疾病的能力至关重要，”CBD的博士后Hao Chen补充道。
SCS在GitHub上免费提供。
本文来自作者[和荣]投稿，不代表波特号立场，如若转载，请注明出处：https://wap.bot32.com/zlan/202508-2178.html
评论列表（4条）
我是波特号的签约作者“和荣”！
希望本篇文章《创新人工智能技术运用变压器模型探索人体细胞》能对你有所帮助！
本站[波特号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：卡内基梅隆大学计算机科学学院的研究团队研发了一种利用人工智能技术来提升细胞研究的方式，旨在帮助科学家更深入地理解疾病并最终找到治疗方案。...