開發出具有人類能力的人工智慧軟體 或能分析顯微鏡圖像中宿主與病原體的相互作用

本文系生物谷原創編譯，歡迎分享，轉載須授權！

稱之為神經網路的計算系統基於生物大腦的學習過程，其能夠實現一種機器學習形式，有助於幫助研究人員解讀生物和醫學成像，如今研究病原體與宿主細胞相互作用的科學家們已經開始利用這種這種技術從事相關研究了。

來自英國克里克研究所的研究者Eva Frickel表示，從事病原體-宿主相互作用研究領域的大部分人群都只是手動計數，確切地說是評估每個細胞中有多少寄生蟲，以及其中一個液泡有多少寄生蟲等等，如今很多學生都在一天又一天地干這些事情。

神經網路能夠用於多種圖像處理任務，比如人臉識別、診斷和汽車的自動駕駛，因此研究者認為，諸如這種系統可能會為其團隊提供解決問題的方案，研究人員與計算生物學家Artur Yakimovich合作製造出了一種類似於人類的宿主-病原體分析儀。

研究人員開始於現有的基於開源神經網路的分析平台KNIME（用於信息挖掘），並調整其演算法來處理宿主細胞及其病原體的圖像，這種系統需要數千個示例圖像的培訓，一旦開啟和運行，研究人員給其命名為HRMAn，其用於宿主對微生物的反應分析。

研究者利用這種軟體對多種人類細胞系中的弓形蟲和腸炎沙門菌的感染進行了分析，Frickel說道，其它高通量的圖像分析軟體可能能夠幫助識別哪些細胞中含有病原體，但HRMAn能夠同時識別一次性識別病原體和宿主多種視覺特徵並檢測圖像中的模式。事實上，研究人員發現，HRMAn能夠同時識別病原體的殺滅、複製和各種細胞防禦過程，就好像訓練有素的科學家一樣，但計算機具有更高的吞吐量、統計強度並且不需要休息或睡眠。

最後，來自蘇黎世大學的寄生蟲學家Adrian Hehl說道，這是一種非常重要的工具，其超越了我們人類處理和解釋圖像數據的能力。

參考資料：

【1】EVA FRICKEL：Host-Toxoplasma Interaction Laboratory

【2】KNIME Analytics Platform

【3】Daniel Fisch， Artur Yakimovich， Barbara Clough， et al. Defining host–pathogen interactions employing an artificial intelligence workflow， eLife(2019) doi：10.7554/eLife.40560

【4】Microbiology Meets Machine Learning

RUTH WILLIAMS， May 1， 2019

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！