技术编程|机器学习又一重要医学应用！培植人造器官 |AI人工智能|

【技术编程|机器学习又一重要医学应用！培植人造器官】

本文插图
大数据文摘出品
编译：张大笔茹、夏雅薇
近日，莫斯科物理技术学院、伊万尼科夫系统编程研究所和哈佛医学院附属的谢本斯眼研究所的研究人员开发出了一种能够在培养皿分化过程中识别视网膜组织的神经网络。
与人类不同，该算法无需修改细胞即可实现目标，适合于生长视网膜组织以开发用于治疗失明的细胞替代疗法并进行新药研究。
此研究成果发表在《细胞神经科学前沿》杂志上。
该技术的应用扩展到多个领域，包括药物发现和开发用于治疗失明的细胞替代疗法。在多细胞生物中，组成不同器官和组织的细胞是不同的，它们在分化过程中获得的独特功能和特性，起初是所谓的干细胞相同，即有可能成为成熟生物体并成为任何类型细胞的一种细胞。然后，干细胞通过产生特定于某些组织和器官的蛋白质进行分化。
体外复制组织分化的最先进技术被称为类器官的 3-D细胞聚集体。此技术对研究视网膜，大脑，内耳，肠，胰腺和许多其他组织类型的发育有效。由于基于类器官的分化非常类似于自然过程，因此生成的组织与实际生物器官中的组织会非常相似。
细胞向视网膜分化的某些阶段具有随机性，甚至在同一批次的人造器官之间，具有特定功能的细胞数量也会发生相当大的变化。当涉及不同的细胞系时，差异甚至会更大。因此，必须找到方法判断在给定时间点哪些细胞已经分化了，否则，该实验很难复现，也就影响了临床应用的可靠性。
为了发现分化的细胞，组织工程师使用了荧光蛋白。通过将负责产生这种蛋白质的基因插入细胞的DNA中，以确保一旦达到细胞发育的某个阶段，它就可以合成并产生信号。尽管此技术灵敏度高，特异性强且便于定量评估，但不适用于用于移植或遗传性疾病建模的细胞。
为了解决这个问题，《细胞神经科学前沿》最新研究的作者提出了一种基于组织结构的替代方法。人类迄今为止还没有制定可靠的客观标准来预测分化细胞的质量。因此，研究人员建议，应该使用神经网络和人工智能来选择最适合移植的视网膜组织药物筛选或疾病建模的视网膜组织。
“我们实验室主要的重点之一是将生物信息学，机器学习和人工智能的方法应用于遗传学和分子生物学领域，这结合了多个学科。其中，神经网络“是MIPT传统上最擅长的事情，它解决了生物医学重要的问题：预测干细胞向视网膜的分化。 ”研究合著者、MIPT基因组工程实验室负责人Pavel Volchkov说。
遗传学家也表示：“人类视网膜的再生能力是非常有限的。这意味着，如果青光眼中的任何神经元进行性丧失，都将不可避免地导致视力完全丧失。医生只能建议先开始学习盲文。我们的研究使生物医学更近了一步：致力于开发一种针对视网膜疾病的细胞疗法，该疗法不仅可以阻止疾病进展，还可以逆转视力丧失。 ”
该团队训练了一个神经网络（即一种模拟人脑中神经元工作方式的算法），根据常规光学显微镜拍摄的照片识别发育中的视网膜中的组织。研究人员首先让许多专家通过一种涉及使用荧光报告基因的精确技术，在 1200张图像中识别出分化的细胞。在 750幅图像上训练了神经网络， 150幅用于验证，另外250幅用于测试预测。在最后阶段，该机器能够以 84％的准确率识别分化的细胞，对比人类67％的准确率。
“我们的发现表明，目前用于早期视网膜组织选择的标准可能是主观的，取决于专家的决定。但是，我们假设组织形态，其结构包含线索，可以预测视网膜分化。与人类不同，计算机程序可以提取这些信息！”美国孤儿疾病治疗和Schepens眼研究所的MIPT实验室的Evgenii Kegeles评论到。分页标题
科学家补充说：”这种方法不需要非常高质量的图像，荧光报告分子或染料，相对容易实施。这使我们向开发针对诸如青光眼和黄斑变性的视网膜疾病的细胞疗法迈出了一步，如今这些病还没有治疗方法，已患者最终都会失明。除此之外，该方法不仅可以转移到其他细胞系，而且可以转移到其他人造器官。 ”