没有两个干细胞是相同的,即使它们是同一遗传物质上克隆的。在一个庞大的、公开的在线3D干细胞图像目录中的6000多张荧光标记的诱导性多能干细胞(iPS)图片揭示了大量丰富的细胞生物学基础信息。
这次数据的来源是由Allen细胞科学研究所(Allen Institute for Cell Science)在华盛顿西雅图推出的“Allen Cell Explorer”。该网站整合了大型3D成像数据,应用AI、机器深度学习和CRISPR,创建了可视化的细胞组织预测模型和其他一系列强大工具。此外,这一门户网站兼共享平台将允许研究人员预测可能预示癌症和其他疾病的细胞布局变化。
来源于皮肤的人类干细胞3D视图,显示出DNA(蓝色),细胞膜(紫色)和其他结构(黄色)
Allen细胞科学研究所所长Rick Horwitz表示,Cell Explorer绘制出了DNA,RNA和蛋白质水平上单细胞的独特性。这一前所未有的工具可能通过揭示细胞结构层面意想不到的数据结果,加速干细胞研究、癌症研究和药物开发方面的进展。打个比方来说,即便你知道所有球员的统计数据,但却从没有看过比赛,那么你还是无法预测足球比赛的结果。
该项目大约一年前开始,成年皮肤细胞被重新编程成胚胎状,未分化状态。Horwitz和他的团队使用CRISPR-Cas9在细胞发光的基因结构中插入标签。这些基因包括编码突出肌动蛋白丝的基因,它们有助于细胞移动并保持其形状。
结果很快就出来了,来自同一亲本细胞的所有遗传克隆细胞,在其胞内组分上都不相同:例如线粒体和肌动蛋白纤维的位置、形状和数量都具有差异性。
分裂的人类干细胞,显示了细胞膜(黄色),DNA(蓝色)和微管(红色)
计算机科学家使用深度学习程序分析了数千个图像,并发现了细胞结构位置之间的关系。然后,他们使用这些信息来预测当程序只给出几条线索(例如核的位置)时结构可能在哪里。最后,计划通过将其预测与实际细胞进行比较来“学习”。
这种深度学习算法与公司用来预测人们偏好的算法相似。就好像,如果你在亚马逊购买了电锯,那么系统就可能会显示链条油和格子衬衫。基于这种深度学习能力的3D交互式工具将在今年晚些时候上线。目前,该网站展示了如何将预测和实际图像对比的工作原理。
美国华盛顿大学细胞生物学家Benjamin Freedman认为,在Allen研究所的算法能够识别更多的基因或化学变化的iPS细胞后,Cell Explorer能够预测细胞的功能。
例如,研究人员可以从Allen研究所一个荧光标记的干细胞中删除与肾脏疾病相关的基因,并了解这项突变将如何影响发光结构。然后,他可以使用该网站的建模工具来确定其他细胞组分是如何被改变的。最终,研究人员可以了解从细胞水平上引起整个肾脏疾病的过程。
在接下来的几个月中,Allen研究所的研究人员将在细胞分裂的不同阶段更新该干细胞的图像,并将其转变为不同的细胞类型,如心脏和肾细胞。在不同时间点捕获细胞特征对于确定其基本发育或生长过程至关重要。
遗传信息相同的干细胞,DNA(紫色)和细胞膜(蓝色)结构也有差异
Allen研究所对干细胞的图像的研究能够应用于各个方面。例如,英国伦敦的慈善机构“癌症研究”(Cancer Research UK)正在创建肿瘤中乳腺癌细胞的互动虚拟现实模型。而一个全球性研究——“人类细胞图谱”则是旨在根据其分子谱(包括DNA序列,RNA转录物和蛋白质)定义所有人类细胞类型。
Horwitz博士评价说:“这是研究人员第一次使用‘深入学习’来尝试了解实际上细胞如何组织自我的难题。我们现在大体依赖于教科书的示意图画,这些示意画是基于艺术科学家对相对较少数量的细胞数据的诠释。我相信简单示意图最终将被数量众多的细胞数据驱动模型所取代。”
最后,附上网址:http://www.allencell.org/,里面有很多惊艳的细胞动图。