原作者 | Amy Maxmen

編譯 | 姜范波  Aileen

導語：

如同世界上沒有兩片樹葉是相同的，也沒有兩個細胞是相同的。Allen細胞研究所的科學家們，用6000多幅干細胞的熒光照片，展示了在細胞這樣的小小空間里，如何別有洞天。

據(jù)Nature最新報道，艾倫細胞科學研究所(Allen Institute for Cell Science)今天發(fā)布的網(wǎng)站Allen Cell Explore，包含數(shù)千個干細胞的三維立體圖像，不止是發(fā)現(xiàn)每個細胞的獨特外觀，通過深度學習算法，該研究所還對細胞的外觀進行了預測。改變一個基因?qū)毎w而言，如同一場正在進行的球賽換了球員，細胞的命運或?qū)⒈桓淖?。而細胞?nèi)部這場球賽的后續(xù)過程，也將在人們眼前栩栩如生地呈現(xiàn)。

干細胞為何如此重要?

干細胞在一定條件下，可以分化成多種功能細胞。人，都是從受精卵這一個干細胞發(fā)育而來。誘導多能干細胞(iPS)，是首度無需使用受精卵或是胚胎干細胞而創(chuàng)造出具有分化能力的干細胞，它為干細胞的研究提供了豐富的細胞來源，也促進了細細胞分化機制的研究。從任何一個細胞，可以誘導發(fā)育到另外一種人類需要的細胞，這是一個充滿了想象的空間。而且，如果使用患者自身細胞所創(chuàng)造出的iPS細胞，培養(yǎng)出需要的組織或是器官移植回原患者身體內(nèi)時，將可避開受到自身免疫系統(tǒng)攻擊的難題。未來，也許女性細胞也可以制作出精子。甚至老化細胞的重生，都將不再只是想象。

2012年10月，英國和日本兩位科學家因“發(fā)現(xiàn)成熟細胞可以被重新編程為多功能的干細胞(即iPS)”而摘取2012年度諾貝爾生理學或醫(yī)學獎， iPS從而更為人們所知曉。

來自皮膚的人類干細胞的三維視圖顯示出DNA(藍色)，細胞膜(紫色)和其他結(jié)構(gòu)(黃色)

沒有兩個干細胞是相同的，即使它們來源于同一個遺傳克隆。如此驚人的多樣性，在今天公開的一個巨大的3D干細胞圖像在線目錄中被揭示。這些圖像源自經(jīng)基因編輯工具CRISPR改變的細胞系，通過深度學習分析而生成。不久的將來，該網(wǎng)站將允許研究人員預測可能預示癌癥和其他疾病的細胞布局的變化。

這個名為 Allen Cell Explore(http://www.allencell.org/)的網(wǎng)站，由位于華盛頓西雅圖的艾倫細胞科學研究所(Allen Institute for Cell Science)建立，包含了超過6000張誘導性多能干細胞(iPS)的圖片，這些細胞的特定基因由于使用了熒光標記物而發(fā)光。

有不少的組織正試圖在DNA，RNA和蛋白質(zhì)水平上闡釋單細胞的獨特性，Allen Cell Explorer無疑是它們的有力補充。艾倫細胞科學研究所所長雷克·霍維茨(Rick Horwitz)表示，這些圖片可能通過揭示細胞結(jié)構(gòu)的意想不到的方面來加速干細胞研究，推動癌癥研究和藥物開發(fā)方面的進展。 “如果你知道所有球員的統(tǒng)計數(shù)據(jù)，但從來沒有看過比賽，那么你無法預測足球比賽的結(jié)果。”

深入皮膚細胞內(nèi)部

該項目大約一年前開始，Horwitz和他的團隊先將成年皮膚細胞重新編程成胚胎樣、未分化狀態(tài)，然后使用CRISPR-Cas9在基因中插入標簽，使細胞內(nèi)的結(jié)構(gòu)發(fā)光。這些基因包括肌動蛋白絲的編碼基因，(肌動蛋白絲是一種細胞骨架蛋白，譯注)，它們有助于細胞移動并保持其形狀。很快可以清楚地看到，來自同一親本細胞的所有細胞，在其布局，形狀和組分的數(shù)量(例如線粒體和肌動蛋白纖維)方面各不相同。

分裂的人類干細胞，顯示細胞膜(黃色)，DNA(藍色)和微管(紅色)

計算機科學家們使用深度學習程序分析了數(shù)千個圖像，并發(fā)現(xiàn)了細胞結(jié)構(gòu)位置之間的關(guān)系。然后，他們使用這些信息來預測，當程序只給出幾條線索(例如核的位置)時，其它細胞結(jié)構(gòu)可能會在哪里。程序通過將預測結(jié)果與實際細胞進行比較來“學習”。

Horwitz說，深度學習算法與其他公司用來預測人們偏好的算法相似。 “如果您在亞馬遜購買電鋸，那么可能會顯示鏈條油和格子襯衫。”

基于這種深度學習能力的3D交互式工具將在今年晚些時候上線。目前，該網(wǎng)站展示了一段預告片，解釋并排比較預測圖像和實際圖像的工作原理。

華盛頓大學的細胞生物學家本杰明·弗里德曼(Benjamin Freedman)期待在艾倫研究所團隊用算法來識別更多基因或化學變化的iPS細胞后，使用Cell Explorer的預測功能。例如，弗里德曼說他可以從Allen研究所的一個熒光標記的干細胞中刪除與腎臟疾病相關(guān)的基因，并了解突變?nèi)绾斡绊懓l(fā)光結(jié)構(gòu)。然后他可以使用該網(wǎng)站的建模工具來確定其他細胞組分是如何被改變的。 “最終，”弗里德曼說，“我們想要了解在整個細胞水平上引起腎臟疾病的過程。”

為“每個細胞都是不同的”理論填補空白

在接下來的幾個月中，艾倫研究所的研究人員將更新處于不同的分裂階段的細胞圖像，比如細胞分化成如心臟和腎臟細胞時。 Horwitz說，捕獲不同時間點的圖像，對于確定基本的細胞發(fā)育過程至關(guān)重要。

遺傳相同干細胞的DNA(紫色)和細胞膜(藍色)的結(jié)構(gòu)差異

艾倫研究所著眼于干細胞圖片研究，與一些其他機構(gòu)試圖將細胞的其他方面進行分類相契合。例如，英國倫敦的慈善機構(gòu)“英國癌癥研究”(Cancer Research UK)正在創(chuàng)建腫瘤中乳腺癌細胞的互動虛擬現(xiàn)實模型。而另一個國際性的合作組織“人類細胞圖譜”( Human Cell Atlas)正試圖根據(jù)其分子譜(包括DNA序列，RNA轉(zhuǎn)錄物和蛋白質(zhì))定義所有人類細胞類型。

Aviv Regev是馬薩諸塞州劍橋Broad研究所的計算生物學家，他正在致力于人體細胞圖譜，他指出，Allen Cell Explorer關(guān)注細胞外觀形態(tài)特征，而她的項目關(guān)注基因，RNA和蛋白質(zhì)在細胞內(nèi)相互作用，這樣正好互為補充。她表示：“科學社區(qū)直到最近才認可這個事實，即我們以前認為相同的細胞，之間存在很多差異，”她說，“所以現(xiàn)在我們正在采取一種不偏不倚的方式，來了解這個拼圖的每一塊局部，而以前，我們都不知道它的存在。”

Allen Cell Explorer網(wǎng)站的推出，將是艾倫細胞科學研究所與全球科學界共享圖像數(shù)據(jù)和預測模型的平臺，這個開放數(shù)據(jù)的門戶網(wǎng)站將使研究人員能夠提出關(guān)于細胞變異性的重要新問題，以及它們?nèi)绾巫兓只蛻獙λ幬锏淖兓? 作為一個社區(qū)，科學家可以一起應用和擴展這些工具，在細胞生物學領(lǐng)域取得飛躍，造福人類的健康和疾病研究。

來源：http://www.nature.com/news/machine-learning-predicts-the-look-of-stem-cells-1.21769

【本文是51CTO專欄機構(gòu)大數(shù)據(jù)文摘的原創(chuàng)譯文，微信公眾號“大數(shù)據(jù)文摘（ id: BigDataDigest）”】

   戳這里，看該作者更多好文