深度學習已經(jīng)引起了人們越來越多的關注，如自動駕駛、自動語音識別等。而近日，來自德國環(huán)境健康研究中心、蘇黎世聯(lián)邦理工學院及慕尼黑工業(yè)大學（TUM）的研究人員成功使用深度學習確定了造血干細胞的發(fā)展方向。在這篇發(fā)表在Nature Methods上的文章中，他們描述了他們?nèi)绾问褂盟麄兊能浖鶕?jù)顯微鏡成像預測造血干細胞未來形成的細胞類型。
目前，細胞生物學家們不再限制于研究細胞的靜態(tài)狀態(tài)，他們還想研究細胞群體的動態(tài)發(fā)展過程，包括造血干細胞如何形成不同的細胞類型。“我們難以觀察到造血干細胞發(fā)展成某類細胞的發(fā)展方向，目前我們只能通過細胞表面標記物回顧性確定細胞的發(fā)展方向。”TUM計算生物學研究所（ICB）單細胞動態(tài)定量研究小組組長Carsten Marr說道。
而現(xiàn)在，他和他的團隊開發(fā)了一種新算法，可以預先預測造血干細胞的發(fā)展方向。所謂的深度學習是這種方法的關鍵所在。“深度神經(jīng)網(wǎng)絡在我們的方法中發(fā)揮重要作用。”Marr說道，“我們的算法通過學習過去關于這類細胞發(fā)展的實驗數(shù)據(jù)，利用單個細胞的光學成像影像及視頻將這些細胞進行分類。通過這種方式，算法會學習細胞如何分化。”
研究人員檢測了蘇黎世聯(lián)邦理工學院Timm Schroeder實驗室顯微鏡拍攝的造血干細胞影像，通過外形及速度信息，軟件可以記住相應的行為模式并進行預測。“和傳統(tǒng)的方法相比，我們可以提前3代知道細胞的分化方向。”ICB科學家Felix Buggenthin博士說道，他和Florian Büttner博士是論文共同*作者。
但是這種方法的好處在哪兒呢？正如研究Marr解釋道：“由于我們提前知道了細胞的發(fā)展方向，我們就能更早地分離它們，并研究它們在分子水平的差異。我們想用這些信息明白細胞如何確定發(fā)育方向。”
未來，研究人員的關注點將不僅僅是造血干細胞。“我們正在使用深度學習研究不同的具有足夠大數(shù)據(jù)的問題。”ICB主任及TUM生物系統(tǒng)數(shù)學建模項目Fabian Theis博士說道，“例如，我們正在使用相似的算法分析基因組中疾病相關的模式，并試圖在臨床細胞篩查中找出生物標記物。”
