Sử dụng AI để hiểu các tế bào tốt hơn


Bùi Lan Nhi
3 năm trước
Hữu ích 5 Chia sẻ Viết bình luận 0
Đã xem 7555

AI đang ngày càng được triển khai trong phát triển thuốc, với một loạt các phương pháp được sử dụng để xác định các phân tử, đánh giá độc tính của thuốc, v.v. Đại học Toronto luôn đi đầu trong phong trào này và một nhóm các nhà nghiên cứu từ trường đại học gần đây đã phát hành một nghiên cứu nhấn mạnh cách sử dụng thuật toán học sâu của họ để theo dõi protein.

Dự án nhằm mục đích sử dụng AI để hiểu thêm về những gì chính xác làm cho các tế bào khỏe mạnh và cách chúng thất bại khi bệnh tật tấn công.

Chúng ta có thể học được rất nhiều bằng cách nhìn vào hình ảnh của các tế bào: làm thế nào protein trông trong điều kiện bình thường và chúng trông khác nhau trong các tế bào mang đột biến gen hoặc khi chúng ta phơi nhiễm tế bào với thuốc hoặc thuốc thử hóa học khác? Mọi người đã cố gắng tự đánh giá những gì đang xảy ra với dữ liệu của họ nhưng điều đó tốn rất nhiều thời gian, nhóm nghiên cứu nói.

Hệ thống, được gọi là DeepLoc, sử dụng thuật toán để phát hiện các mẫu trong tế bào được tạo ra bởi protein, với nhóm nghiên cứu tự tin rằng phương pháp của họ nhanh hơn đáng kể so với cả con người và các phương pháp dựa trên máy tính hiện có.

Sinh học tế bào Augmented

AI đã có tác động đến nhiều lĩnh vực lớn, nhưng tiềm năng sinh học tế bào đặc biệt mạnh mẽ. Thế hệ kính hiển vi mới nhất hoàn toàn tự động, do đó cung cấp cho các nhà khoa học một lượng dữ liệu khổng lồ. Thách thức bây giờ là làm thế nào để phân tích nó một cách hiệu quả.

Ngay bây giờ, chỉ mất vài ngày đến vài tuần để có được hình ảnh của các tế bào và vài tháng đến nhiều năm để phân tích chúng. Học sâu cuối cùng sẽ đưa thời gian của phân tích này xuống cùng thời gian với các thí nghiệm, nhóm nghiên cứu nói.

Dự án đã đào tạo thuật toán trên một số lượng lớn hình ảnh của protein phát sáng bên trong các tế bào. Tuy nhiên, điều làm cho cách tiếp cận trở nên thú vị là nó không yêu cầu đầu vào của con người để thuật toán học, do đó làm cho nó nhanh hơn đáng kể, nhưng cũng chính xác hơn. Thư viện hình ảnh trước đây đã được sử dụng bởi lần lặp trước của phần mềm thị giác máy tính, nhưng trong khi phần mềm đó mất nhiều tháng để xử lý dữ liệu, DeepLoc đã có thể vượt qua nó trong vài giờ.

Như với nhiều dự án phân tích tầm nhìn dựa trên AI, DeepLoc đã có thể phát hiện ra sự khác biệt tinh tế giữa các hình ảnh trông có vẻ giống hệt nhau. Phân tích ban đầu đã xác định 15 loại protein khác nhau, mỗi loại đại diện cho các vùng lân cận khác nhau trong tế bào; DeepLoc xác định 22 lớp. Nó cũng có thể sắp xếp các tế bào có hình dạng thay đổi do điều trị bằng hormone, một nhiệm vụ mà đường ống trước đó không thể hoàn thành.

Một người có kinh nghiệm mã hóa có thể thực hiện phương pháp của chúng tôi. Tất cả những gì họ sẽ phải làm là cung cấp thông tin trong tập huấn luyện hình ảnh mà chúng tôi đã cung cấp và bổ sung dữ liệu này bằng dữ liệu của riêng họ. Chỉ mất một giờ hoặc ít hơn để đào tạo lại DeepLoc và sau đó bắt đầu phân tích của bạn, các tác giả nói.

Nhóm đã phát triển một startup để giúp thương mại hóa công nghệ. Liên doanh, được gọi là Phenomic AI , hy vọng sẽ hợp tác với các công ty dược phẩm trong việc phân tích dữ liệu dựa trên hình ảnh tế bào.

Trong một màn hình thuốc dựa trên hình ảnh, bạn thực sự có thể tìm ra cách các loại thuốc ảnh hưởng đến các tế bào khác nhau dựa trên cách chúng trông thay vì một số thông số đơn giản như sống / chết hoặc kích thước tế bào. Bằng cách này bạn có thể trích xuất nhiều thông tin hơn về trạng thái tế bào từ các màn hình này. Chúng tôi hy vọng sẽ làm cho quá trình phát hiện thuốc sớm trở nên chính xác hơn bằng cách tìm ra các hiệu ứng tinh tế hơn của các hợp chất hóa học, họ nói.
Hữu ích 5 Chia sẻ Viết bình luận 0
Đã xem 7555