深度學習演算法 DeepLoc：幫助科學家分析細胞內的圖像

自 08 年發現綠色熒光蛋白的三位科學家獲得諾貝爾化學獎以來，綠色熒光蛋白標記法被廣泛地應用於預測細胞病變，檢測藥物效果等領域。雖然，這種蛋白標記法給科學家追蹤活體細胞內蛋白質的活動軌跡提供了優良的技術條件，但其中也存在一些問題，比如科學家用肉眼分析圖像以及手動處理數據的過程相當漫長，這給生物學細胞研究造成了不小的麻煩。

針對這一現象，Donnelly 研究中心的科學家開發出了一種深度學習演算法——DeepLoc，用來幫助科學家收集分析標記蛋白在細胞內活動的圖像數據，以簡化細胞內蛋白質追蹤實驗的流程。

研究人員表示 DeepLoc 演算法是在計算機學習識別資料庫中進行訓練的，但是，與需要詳細說明和明確指令的計算機視覺識別技術不同，DeepLoc 可以直接從圖像數據中學習，從而完成圖像數據的分析任務。

此前，該團隊在 2015 年的時候曾經公布過一組生物細胞內標記蛋白位置的圖像數據，這是迄今為止最完整的細胞內蛋白質位置顯示圖。當時，研究人員利用計算機視覺和機器學習技術，花了幾個月才得到該顯示圖中圖像數據的分析結果，而現在 DeepLoc 演算法在幾個小時就能完成分析任務，而且其得到的結果和之前顯示的一致。

「目前，獲取細胞圖像數據只需要幾天或者幾個星期，而分析這些圖像數據卻需要幾個月甚至幾年的時間，DeepLoc深度學習演算法將會使圖像分析數據的時間縮減到與實驗時間近乎一致的水平。」研究人員之一 Oren Kraus 這樣說道。

除此之外，DeepLoc 演算法還能夠預測細胞中存在的微妙變化。目前已得到的測量結果顯示占細胞內總蛋白數四分之三的酵母蛋白分布在 22 個不同的區域，利用該演算法，科學家已經初步分析確定了 15 種不同類型的蛋白質在細胞中所代表的區域，根據這些被標記蛋白的位置可以推測出這個位置的細胞器類型，結合該區域內蛋白質數量的變化，可以預測出細胞是否存在病變的風險。另外，這種演算法還能夠對由於激素治療而改變形狀的細胞進行分類，這是之前的技術所不能達到的。

近日，該團隊的研究人員在最新一期的《分子生物學》雜誌的封面文章中還描述了DeepLoc演算法處理其他實驗圖像數據的能力，反映了該演算法還可能會有更廣泛的應用。

「一些有編程經驗的人就可以使用我們的演算法，他們所要做的就是用自己得到的數據在我們提供的演算法訓練圖像資料庫中進行補充，只需要一個小時或者更短的時間就可以重新訓練 DeepLoc 演算法就可以獲得處理新實驗圖像數據的能力，，然後開始相對應的分析工作。」該研究團隊的成員 Benjamin Grys 這樣解釋道。

目前，Donnelly 研究中心正在與一家旨在為製藥公司分析處理細胞圖像數據的創業公司 Phenomic AI 合作，希望能加快該演算法商業化的進程。

粹客網是國內首個關注前沿科技領域的科技新媒體和創業服務平台。我們提供最貼近商業化的前沿科技創業報道、最新最全的科技動態資訊以及深刻獨到的行業觀點。堅持挖掘有價值的創新創業項目，致力於成為創新創業者的前沿陣地。

每月精彩評論將有機會獲得神秘禮品，線下活動 or 商業合作請私信微信公眾號（cheekrnews）或發郵件到粹客網官方郵箱。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！