简而言之,了解内部细胞的样子即使在 21 世纪也很困难,更不用说它们各部分之间无数的相互作用了。“把细胞想象成像汽车一样复杂的机器,不过每 24 小时,车道上的一辆车就会变成两辆车,然后是四辆,”格雷格·约翰逊(Greg Johnson)说,他是艾伦细胞科学研究所(Allen Institute for Cell Science)的一名计算机视觉和机器学习研究员,“如果你找到世界上最聪明的工程师,要求‘给我造一台能做到这样的机器’,那么他们一定会被难住。每当我想到人类对细胞运作方式知之甚少时,我就会这样想。”
约翰逊利用机器学习对细胞内部进行可视化的工作开始于 2010 年,当时他在卡内基梅隆大学。不久后,深度学习技术的一系列突破对人工智能领域带来了改变。近十年后,约翰逊认为他的活细胞 AI 增强成像方法已经能产出足够准确的软件模型,可以减少甚至完全消除对某些实验的需要。他说:“我们希望能用最便宜的方法拍摄(细胞)图像,并尽可能多地预测细胞的情况。它是如何构成的?它的基因表达是什么样的?它周围的细胞在做什么?对我来说,(无标签测定)只是一个原型,未来的技术还将比这复杂得多。”
以微管和 DNA 为例。微管通常使细胞保持其形状,当细胞一分为二的时候,微管将 DNA 拉开,从而在细胞两侧形成两个拷贝。这种现象众所周知,它是细胞生物学家最早发现的现象之一。但是这两种结构之间存在很多关系,这些关系非常微妙——可能很难发现,人眼无法看到它们。我们希望能够使用这些前沿的计算机视觉和机器学习方法来自动剖析这些结构之间的关系。