伊利诺伊大学厄本那香槟分校的研究人员已经开发出一种新技术，该技术将无标记成像与人工智能相结合，可以长时间显示未标记的活细胞。该技术在研究细胞活力和病理学方面具有潜在的应用。

《自然通讯》上发表了研究“具有计算特异性的相位成像(PICS)，用于测量亚细胞区室中的干物质变化” 。

贝克曼高级科学研究所电气与计算机工程教授，定量光成像实验室主任加布里埃尔·波佩斯库(Gabriel Popescu)说：“我们的实验室专门研究无标记成像，这使我们无需使用有毒化学物质即可观察细胞。”技术。“但是，如果不使用有毒的荧光染料，我们就无法测量细胞的特定属性。我们已经在这项研究中解决了这个问题。”

Popescu研究组的研究生Mikhail Kandel说：“我们有这样的想法，即计算方法可以估计样品的外观而无需实际杀死细胞。”

研究人员首先使用无损无标记技术对细胞进行了几天的成像。在实验结束时，他们对样品进行了染色，并使用了深度学习(这是机器学习的一个子集)来学习荧光染料的位置。坎德尔说：“这使我们可以估算出最初电影中的污渍，而实际上并未污染细胞。”

Popescu说：“尽管过去已经使用AI从不同类型的染色创建一种类型的成像，但我们能够对其进行编程以实时分析图像。” “通过深度学习，我们能够查看从未被任何染料标记的细胞，并且该算法能够精确定位细胞的不同部分。”

Popescu研究组的研究生Yuchen He说：“这项技术的另一个优势是，我们可以在许多天的时间内进行实验。这些细胞甚至可以在一周以上之后仍然存活。” “这不能用荧光染料完成，因为化学毒性可能会杀死细胞。”

坎德尔说：“这项研究强调了基于人工智能的技术在学习复杂模型(例如特定染料浓度)方面的潜力，这超出了肉眼的能力。” “我们可以教更多的方法来识别模式，可以进行更多种类的实验，而不必求助于杀死细胞。”

研究人员现在正在尝试针对不同的细胞系和生物样品适应深度学习算法。他说：“训练深度学习模型需要大量数据，因为我们要确保它们在不同的情况下都能正常工作。所幸的是，我们的成像仪器使我们很容易以高效的方式生成所需的训练数据。”

“这些深度学习算法可以用于多种应用，” Popescu说。“我们可以在不标记细胞的情况下长时间评估细胞活力，我们可以区分疾病中不同的细胞类型，并且可以研究不同的细胞过程。”

免责声明： 本文由用户上传，如有侵权请联系删除！

标签： 人工智能研究活细胞