医疗网讯 每个干细胞都是独一无二的，基因克隆的干细胞也不例外。这一独特属性在今天公开可用的大量3D干细胞图像中得到了揭示。这些图像通过深度学习分析以及使用基因编辑工具CRISPR修改的细胞系（cell line）而获得。很快，研究者将会预测细胞布局之中的变异以预测癌症和其他疾病。
由位于西雅图的艾伦细胞科学研究所（Allen Institute for Cell Science）开发的「Allen Cell Explorer」包含一个超过 6000 张诱导多能干细胞（iPS）图片的持续增长的库；由于突出特殊基因的荧光标记，iPS 是光亮的主要成分。
源自皮肤的人类干细胞的 3D 图，其中蓝色表示 DNA、紫色表示细胞膜、黄色表示其它结构。来源：艾伦细胞科学研究所
「Allen Cell Explorer」对于由几个团队在 DNA、RNA 和蛋白质层面绘制单细胞独特性图表的项目起到补充作用。艾伦细胞科学研究所的主管 Rick Horwitz 说，该研究所揭示了细胞结构的预料之外的方面，这也许会加速干细胞研究、癌症研究和药物开发方面的进展。「如果你了解每个足球运动员的状态却从来不看球赛，那么你不可能预测出比赛结果。」
深入皮层之下
该项目始于一年之前，研究者将成年人的皮肤细胞重新编程成了胚胎状的未分化的状态。然后 Horwitz 及其团队使用了 CRISPR–Cas9 技术来将标签（tag）插入到基因之中以制造细胞可以在其中生长的结构。这些基因中包含编码了强调肌动蛋白微丝（actin filament）的蛋白质的编码，这种肌动蛋白微丝可以帮助细胞运动和维持形状。很快研究者就发现，这些来自同一亲代细胞的基因相同的细胞在位置、形状的组件（比如线粒体和肌动蛋白纤维）数量上都各有不同。
一个单独的人类干细胞，其中黄色表示细胞膜，蓝色表示 DNA，红色表示微管,
计算机科学家使用深度学习程序分析了数千张图像，然后发现了细胞的位置和细胞结构之间的关系。然后他们使用这些信息来预测当仅有少量信息（如细胞核的位置）给出时的细胞的结构。该程序通过将其预测和实际细胞进行比较来进行「学习」。
这些深度学习算法和一些公司用来预测人的偏好的算法类似，Horwitz 说：「如果你在亚马逊上面买了一把电锯，那么它就可能推荐你继续购买链条油和格子衬衫。」
这个基于深度学习的 3D 交互式工具预计将在今年上线。目前该网站给出了一些其工作方式的预览，并展示了预测的和实际图像的比较。
华盛顿大学的细胞生物学家 Benjamin Freedman 也很期待在这个艾伦研究所团队教会他们的算法识别更多 iPS 细胞（会根据基因和化学环境而变化）时尝试 Cell Explorer 的预测功能。比如说，Freedman 说他可以从该艾伦研究所的荧光标注的干细胞中移除与肾脏疾病有关的基因，然后看这样的突变会引起细胞结构的怎样的变化。然后他可以使用该网站的建模工具来确定可以如何改变其它细胞组件。Freedman 说：「最终，我们希望理解导致肾脏疾病的细胞层面的全过程。」
填补漏洞
在接下来的几个月里，艾伦研究所的研究人员会更新该网站，放上干细胞处在细胞分裂不同阶段和当它们转变为不同的细胞类型（比如心脏或肾细胞）时的图像。Horwitz 说，抓住细胞在不同时间点的状态是识别基本过程的核心。
基因相同的干细胞的 DNA（紫色）和细胞膜（蓝色）的结构上的差异
该艾伦研究所对干细胞的视觉分析的强调是为了为细胞的其他方面建立目录。比如，位于伦敦的 Cancer Research UK 慈善组织正在创造一种虚拟现实交互的乳腺癌肿瘤细胞的模型。一项叫做人类细胞地图（Human Cell Atlas）的国际项目也在努力根据细胞的分子组成（包括 DNA 序列、RNA 转录和蛋白质）来定义所有人类细胞的类型。,
麻省剑桥 Broad 研究院的计算机生物学家 Aviv Regev 正在研究人类细胞地图，她说，Allen Cell Explorer 与她的研究项目互补，因为他们关注了分子特征的外观，而不是基因、RNA 和蛋白质如何在细胞中互动。她说，「研究界正在接受这一事实：细胞之间存在许多差异，之前我们一直以为它们是相同的。因此，现在我们正在用一种毫无偏见的办法来研究这些我们之前所不知道的部分。」