在神經(jīng)科學(xué)研究的早期階段，科學(xué)家們對(duì)腦細(xì)胞進(jìn)行了煞費(fèi)苦心的染色，并在顯微鏡下手工繪制了它們?？爝M(jìn)到2018年，機(jī)器可能能夠?qū)W習(xí)如何完成這項(xiàng)工作。根據(jù)Cell的一項(xiàng)新研究，有可能教機(jī)器如何挑選神經(jīng)元和其他未被染色或經(jīng)歷過其他破壞性治療的細(xì)胞的特征。該研究部分由國(guó)家神經(jīng)疾病和中風(fēng)研究所(NINDS)資助，該研究所是美國(guó)國(guó)立衛(wèi)生研究院的一部分。

“這種方法有可能徹底改變生物醫(yī)學(xué)研究，”NINDS項(xiàng)目主任Margaret Sutherland博士說。“研究人員現(xiàn)在正在生成大量的數(shù)據(jù)。對(duì)于神經(jīng)科學(xué)家來說，這意味著培訓(xùn)機(jī)器有助于分析這些信息，這有助于加快我們對(duì)大腦細(xì)胞如何組合以及與藥物開發(fā)相關(guān)的應(yīng)用的理解。”

神經(jīng)細(xì)胞的培養(yǎng)物或培養(yǎng)物在肉眼看來是均勻的，并且不能看到其中的不同的單個(gè)細(xì)胞。自19世紀(jì)晚期開創(chuàng)性的神經(jīng)科學(xué)家Santiago Ramon y Cajal和Camillo Golgi繪制了最早的神經(jīng)系統(tǒng)圖譜以來，科學(xué)家們一直在開發(fā)染料和染色方法，以幫助區(qū)分大腦中的結(jié)構(gòu)，包括不同類型的細(xì)胞和他們的健康狀況。然而，這些方法中的許多方法涉及刺激性化學(xué)物質(zhì)，其在不自然狀態(tài)下固定或冷凍細(xì)胞或在施加多次染色后破壞活細(xì)胞。傳統(tǒng)技術(shù)也限制了科學(xué)家們可以觀察到的細(xì)節(jié)。

由舊金山格拉德斯通研究所主任兼高級(jí)研究員，加州大學(xué)舊金山分校神經(jīng)學(xué)和生理學(xué)教授Steven Finkbeiner博士領(lǐng)導(dǎo)的研究小組探討了計(jì)算機(jī)是否可以通過培訓(xùn)來識(shí)別結(jié)構(gòu)在未染色的細(xì)胞中。

“每天我們的實(shí)驗(yàn)室都在制作數(shù)百?gòu)垐D片，遠(yuǎn)遠(yuǎn)超出我們的預(yù)測(cè)和分析。有一天，來自Google的幾位研究人員敲開我們的大門，看看他們是否可以幫助我們，”Finkbeiner博士說。這項(xiàng)研究的資深作者。

研究人員使用了一種稱為深度學(xué)習(xí)的方法，該方法依賴于機(jī)器學(xué)習(xí)的原理，機(jī)器學(xué)習(xí)是一種人工智能，機(jī)器可以從中學(xué)習(xí)數(shù)據(jù)并做出決策。面部識(shí)別軟件是機(jī)器學(xué)習(xí)的一個(gè)例子。

使用深度學(xué)習(xí)，F(xiàn)inkbeiner博士的團(tuán)隊(duì)訓(xùn)練了一個(gè)計(jì)算機(jī)程序，通過顯示染色和未染色的圖像來分析腦細(xì)胞。然后，為了測(cè)試該程序是否學(xué)到了什么，研究人員用新的未標(biāo)記圖像對(duì)其進(jìn)行了挑戰(zhàn)。

在第一輪培訓(xùn)之后，該計(jì)劃通過學(xué)習(xí)發(fā)現(xiàn)一個(gè)細(xì)胞核，一個(gè)包含遺傳信息的圓形結(jié)構(gòu)并作為細(xì)胞的指揮中心，確定細(xì)胞位于培養(yǎng)皿中的位置。在另外的實(shí)驗(yàn)中，F(xiàn)inkbeiner博士的小組增加了該計(jì)劃所尋求的功能的復(fù)雜性，并成功地訓(xùn)練它以區(qū)分死細(xì)胞和活細(xì)胞，以及識(shí)別特定類型的腦細(xì)胞。此外，該程序?qū)W會(huì)了區(qū)分軸突和樹突，這是神經(jīng)元上的兩種特定類型的擴(kuò)展。根據(jù)結(jié)果??，該程序成功地預(yù)測(cè)了未標(biāo)記組織中的結(jié)構(gòu)。

“深度學(xué)習(xí)采用一種算法或一組規(guī)則，并在層中構(gòu)建它，從圖像的各個(gè)部分識(shí)別簡(jiǎn)單的特征，然后將信息傳遞給識(shí)別越來越復(fù)雜的特征的其他層，例如圖案和結(jié)構(gòu)。這是讓人想起我們的大腦如何處理視覺信息，“Finkbeiner博士說。“深度學(xué)習(xí)方法能夠發(fā)現(xiàn)比人眼更多的信息。”

Finkbeiner博士及其團(tuán)隊(duì)指出，使用這項(xiàng)技術(shù)的主要缺點(diǎn)是訓(xùn)練數(shù)據(jù)集需要非常大，理想情況下大約需要15,000張圖像。此外，可能存在過度訓(xùn)練程序的風(fēng)險(xiǎn)，它們變得如此專業(yè)化，它們只能識(shí)別特定圖像集中的結(jié)構(gòu)或以特定方式生成的圖像中的結(jié)構(gòu)，而不能對(duì)更一般的圖像進(jìn)行預(yù)測(cè)，這可能會(huì)限制使用這項(xiàng)技術(shù)。

Finkbeiner博士及其同事計(jì)劃將這些方法應(yīng)用于以疾病為重點(diǎn)的研究。

“現(xiàn)在我們已經(jīng)證明這項(xiàng)技術(shù)有效，我們可以開始在疾病研究中使用它。深度學(xué)習(xí)可能會(huì)在細(xì)胞中發(fā)現(xiàn)一些有助于預(yù)測(cè)臨床結(jié)果的東西，并可以幫助我們篩選潛在的治療方法，”Finkbeiner博士說。

需要更多的研究來改進(jìn)技術(shù)并使其更廣泛地可用。