贝克曼高级科学技术研究所阿难·森 延时梯度光干涉显微镜，左，和相位成像，计算特异性成像超过7天
学分:贝克曼高级科学技术研究所 伊利诺伊大学香槟分校的研究人员开发了一种新技术，将无标记成像与人工智能相结合，可以长时间观察未标记的活细胞
这项技术在研究细胞活力和病理学方面有潜在的应用
《自然通讯》上发表了一项名为“计算特异性相位成像(PICS)测量亚细胞区室干质量变化”的研究
贝克曼高级科学技术研究所定量光成像实验室主任、电子和计算机工程教授加布里埃尔·波佩斯库说:“我们的实验室专门从事无标签成像，这使我们能够在不使用有毒化学物质的情况下观察细胞。”
“然而，如果不使用有毒的荧光染料，我们就无法测量细胞的特定属性
我们已经在这项研究中解决了这个问题
" “我们有一个想法，即计算方法可以在不杀死细胞的情况下估计样本的样子，”波佩斯库小组的研究生米哈伊尔·坎德尔说
研究人员首先用非破坏性的无标记技术对细胞进行了几天的成像
实验结束时，他们对样本进行染色，并使用深度学习(机器学习的一个子集)来学习荧光染料的位置
坎德尔说:“这让我们能够在不实际染色细胞的情况下估计出最初电影中的染色。”
“虽然人工智能在过去被用来从不同类型的染色中创建一种类型的图像，但我们能够对其进行编程，以实时分析图像，”波佩斯库说
“通过深度学习，我们能够观察从未被任何染料标记过的细胞，该算法能够精确定位细胞的不同部分
" “这项技术的另一个优点是，我们可以在许多天内进行实验
细胞甚至在一个多星期后仍然存活，”何说，他是波佩斯库小组的一名研究生
“这不能用荧光染料来完成，因为化学毒性可能会杀死细胞
" “这项研究强调了基于人工智能的技术学习复杂模型的潜力，例如特定染料的浓度，这超出了肉眼的能力，”坎德尔说
“我们能教我们识别模式的方法越多，就能在不杀死细胞的情况下进行更多种类的实验
" 研究人员现在正试图在不同的细胞系和生物样本之间调整深度学习算法
“培训深度学习模型需要大量数据，因为我们希望确保它们能在不同的场景中很好地工作
幸运的是，我们的成像仪器使我们能够轻松高效地生成所需的训练数据，”他说
“这些深度学习算法可以用于多种应用，”波佩斯库说
“我们可以在不标记细胞的情况下长期评估细胞的生存能力，我们可以区分疾病中的不同细胞类型，我们可以研究不同的细胞过程
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
