不需要几年，只要几个小时。机器学习可以快速揭示细胞的内部结构。
在高倍显微镜和机器学习的帮助下，美国科学家开发了一种新的算法，可以自动识别全细胞超高分辨率图像中大约30种不同类型的细胞器和其他结构。相关论文发表在最新一期《自然》杂志上。
领导COSEM项目组的Aubrey Weigel说，在整个细胞中手工分析这些图像中的细节几乎是不可能的。只有一个细胞的数据由成千上万张图像组成，一个人需要60多年的时间才能通过这些图像追踪细胞的所有细胞器。但是新算法可以在几个小时内绘制出整个细胞。
除了《自然》上的两篇文章，研究团队还发布了一个数据门户“开放细胞细胞器”，任何人都可以通过它访问他们创建的数据集和工具。这些资源对于研究细胞器如何维持细胞运转非常有价值。过去，科学家不知道不同的细胞器和结构是如何排列的。现在，这些隐藏的关系第一次可见。
在过去的十年里，研究团队使用高功率电子显微镜从包括哺乳动物细胞在内的各种细胞中收集了大量数据。
最新的机器学习工具可以在电子显微镜的数据中准确定位突触，即神经元之间的连接。研究人员调整了算法来绘制或分割细胞中的细胞器。分割算法为图像中的每个像素分配一个数字，这反映了像素离最近的突触有多远。该算法使用这些数字来识别和标记图像中的所有突触。COSEM算法的工作原理类似，但维度更多。研究人员根据每个像素与30种不同类型细胞器和结构的距离对其进行分类。然后，该算法综合所有这些数字来预测细胞器的位置。
研究人员表示，使用这些数字，该算法还可以判断特定的数字组合是否合理。例如，一个像素不能同时位于内质网和线粒体中。
为了回答细胞中有多少线粒体或它们的表面积是多少等问题，研究团队构建的算法结合了关于细胞器特征的先验知识。经过两年的工作，COSEM研究团队终于找到了一套算法，能够对目前收集到的数据产生很好的效果。
目前，研究团队正在将成像升级到更高的细节水平，并进一步优化工具和资源，以创建更广泛的细胞标记数据库和更多种类细胞和组织的详细图像。这些成果将支持未来——4D细胞生理学的新研究领域，以了解构成生物体的不同组织中细胞的相互作用。
锋利的工具很管用。在科学研究领域尤其如此。无论是望远镜之于天文学，对撞机之于物理学，还是显微镜之于生物学，科学研究的不断进步总是伴随着工具和方法的迭代升级。甚至很多诺贝尔奖的诞生，都直接来源于或与科研工具或方法的重大突破或进展密切相关。因此，科学研究工具或方法的研究进展值得关注，它们有可能为整个领域的研究提供有力的辅助。
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
