近日，一項(xiàng)刊登在國(guó)際雜志Scientific Reports上題為“Towards image-based cancer cell lines authentication using deep neural networks”的研究報(bào)告中，來(lái)自肯特大學(xué)等機(jī)構(gòu)的科學(xué)家們通過(guò)研究開(kāi)發(fā)出了一種新型的計(jì)算機(jī)算法，其或能基于顯微成像的技術(shù)來(lái)識(shí)別癌細(xì)胞系的差異。

癌細(xì)胞系是一種在實(shí)驗(yàn)室中離體且能夠以細(xì)胞培養(yǎng)物作為營(yíng)養(yǎng)物質(zhì)生長(zhǎng)的特殊細(xì)胞類型，其能被研究人員用來(lái)研究并開(kāi)發(fā)新型抗癌藥物；然而許多細(xì)胞系在于其它細(xì)胞系交換或被污染后會(huì)被錯(cuò)誤地識(shí)別，這就意味著許多研究人員可能使用了錯(cuò)誤的細(xì)胞來(lái)進(jìn)行研究測(cè)試。自從科學(xué)家們對(duì)癌細(xì)胞系研究開(kāi)始以來(lái)，這或許一直是一個(gè)持久的問(wèn)題，短串聯(lián)重復(fù)序列（STR，short tandem repeat）分析常被用來(lái)識(shí)別癌細(xì)胞系，但這種分析較為昂貴且比較耗時(shí)；此外，STR并不能用來(lái)區(qū)分來(lái)自同一個(gè)個(gè)體或動(dòng)物機(jī)體的細(xì)胞。

這項(xiàng)研究中，基于對(duì)來(lái)自大量細(xì)胞系的顯微成像且利用計(jì)算機(jī)模型來(lái)進(jìn)行深度學(xué)習(xí)，科學(xué)家們通過(guò)使用一段時(shí)間內(nèi)對(duì)大量癌細(xì)胞數(shù)據(jù)的比較分析結(jié)果來(lái)訓(xùn)練計(jì)算機(jī)模型?；诖?，他們開(kāi)發(fā)出了一種新型算法，其能允許計(jì)算機(jī)對(duì)細(xì)胞系的單獨(dú)顯微數(shù)字圖像進(jìn)行分析，并準(zhǔn)確識(shí)別和標(biāo)記這些圖像。這一研究突破或有望為研究人員提供一種易于使用的工具，從而在沒(méi)有專業(yè)人員和設(shè)備的情況下，在實(shí)驗(yàn)室中快速識(shí)別并分析所有的細(xì)胞系。

研究者表示，我們的研究結(jié)果已經(jīng)證明了在實(shí)驗(yàn)室和癌癥研究中潛在實(shí)施的巨大成果，利用這種新型算法將會(huì)產(chǎn)生進(jìn)一步的結(jié)果并有望改變科學(xué)研究中關(guān)于細(xì)胞識(shí)別的方法和方式，并能讓科學(xué)家們有更好的機(jī)會(huì)來(lái)準(zhǔn)確識(shí)別細(xì)胞，以減少癌癥研究中錯(cuò)誤的發(fā)生并潛在挽救患者的生命。此外，研究者指出，利用這種新型的計(jì)算機(jī)模型還能夠精確地分配用于正確識(shí)別細(xì)胞系的標(biāo)準(zhǔn)，這就意味著未來(lái)研究人員接受準(zhǔn)確識(shí)別細(xì)胞的訓(xùn)練的能力或有望得到進(jìn)一步加強(qiáng)。