详细内容或原文请订阅后点击阅览
人工智能帮助研究人员了解细胞生物学的全局
通过提供细胞的整体信息，人工智能驱动的方法可以帮助科学家更好地了解疾病机制并计划实验。
来源:MIT新闻 - 人工智能研究癌症患者细胞中的基因表达可以帮助临床生物学家了解癌症的起源并预测不同治疗的成功。但细胞很复杂，包含很多层，因此生物学家进行测量的方式会影响他们可以获得的数据。例如，测量细胞中的蛋白质可能会产生与测量基因表达或细胞形态不同的有关癌症影响的信息。
信息在单元格中来自何处。但为了捕获有关细胞状态的完整信息，科学家通常必须使用不同的技术进行多次测量，并一次分析一项。机器学习方法可以加快这一过程，但现有方法将每种测量方式的所有信息集中在一起，因此很难弄清楚哪些数据来自细胞的哪个部分。
为了克服这个问题，麻省理工学院和哈佛大学布罗德研究所以及苏黎世联邦理工学院/保罗谢勒研究所 (PSI) 的研究人员开发了一种人工智能驱动的框架，该框架可以了解哪些有关细胞状态的信息在不同的测量模式中共享，以及哪些信息对于特定的测量类型是唯一的。
通过查明哪些信息来自哪些细胞部分，该方法提供了细胞状态的更全面的视图，使生物学家更容易看到细胞相互作用的全貌。这可以帮助科学家了解疾病机制并追踪癌症、阿尔茨海默氏症等神经退行性疾病和糖尿病等代谢疾病的进展。
操作多个测量值
科学家可以使用许多工具来捕获有关细胞状态的信息。例如，他们可以测量 RNA 以了解细胞是否正在生长，或者可以测量染色质形态以了解细胞是否正在处理外部物理或化学信号。
本质上，我们可以将其视为蜂窝数据的维恩图。