深度学习可预测造血干细胞的发育

自动驾驶，自动语音识别和游戏Go：Deep Learning正在产生越来越多的公众意识。HelmholtzZentrumMünchen的科学家及其在苏黎世联邦理工学院和慕尼黑技术大学(TUM)的合作伙伴现在已经用它来提前确定造血干细胞的发育。在“自然方法”中，他们描述了他们的软件如何根据显微镜图像预测未来的细胞类型。

今天，细胞生物学不再局限于静态，而是试图了解细胞群的动态发展。一个例子是从它们的前体即造血干细胞产生不同类型的血细胞。“ 无法观察到造血干细胞成为特定细胞类型的决定。此时，只能用细胞表面标记回顾性地验证决定，”定量单细胞动力学主管Carsten Marr博士解释道。亥姆霍兹中心慕尼黑计算生物学研究所(ICB)研究小组。

他和他的团队现在开发了一种可以提前预测决策的算法。所谓的深度学习是关键。“深度神经网络在我们的方法中起着重要作用，”Marr说。“我们的算法通过将这些数据与过去从这些细胞的发展经验进行比较，对单个细胞的光学显微图像和视频进行分类。通过这种方式，算法”学习“某些细胞的行为方式。”

比标准方法早三代

具体而言，研究人员检查了苏黎世联邦理工学院Timm Schroeder实验室在显微镜下拍摄的造血干细胞。利用外观和速度信息，软件能够“记忆”相应的行为模式，然后进行预测。“与传统方法相比，例如针对某些表面蛋白的荧光抗体，我们知道细胞如何更早地决定三代细胞，”ICB科学家Felix Buggenthin博士与该研究的联合第一作者和FlorianBüttner博士一起报道。

但是，展望未来有什么好处?作为研究负责人Marr解释说，“既然我们现在知道哪种细胞会以哪种方式发育，我们可以比以前更早地分离它们，并检查它们在分子水平上的差异。我们希望利用这些信息来了解如何做出选择。特殊的发展特征。“

在未来，重点将扩展到造血干细胞之外。“我们正在使用深度学习来处理非常不同的问题和足够大的数据记录，”ICB主任，TUM生物系统数学建模主席Fabian Theis博士教授解释说，他与Carsten一起领导了这项研究。马尔。“例如，我们使用非常相似的算法来分析基因组中的疾病相关模式，并在临床细胞筛选中识别生物标记物。”