永乐高ylg官网Pia Cosma 课题组合作开发了一种可以识别细胞类型、区分癌细胞和正常细胞，并检测细胞内病毒感染的非常早期阶段的人工智能算法，该算法名为 AINU （Antifcial Intelligence of the NUcleus）。该成果于8月27日发表在《Nature Machine Intelligence》（中科院一区期刊）发表论文标题为“A deep learning method that identifies cellular heterogeneity using nanoscale nuclear features”（一种利用纳米级核特征识别细胞异质性的深度学习方法）。这些发现为使用 AI技术改进癌症早期诊断、识别潜在转移性癌细胞或在临床环境中诊断病毒感染的技术铺平了道路。

        与正常细胞相比，癌细胞或被病毒感染的细胞的核结构发生了明显的变化，比如癌细胞DNA的组织方式或细胞核内酶分布的改变；当细胞感染病毒后，DNA包装的紧密程度会剧烈改变。这些早期变化极其微小，临床上难以使用传统方法在早期观察发现。“超分辨率图像”是使用随机光学重构显微镜（STORM）获得的影像。该影像能从纳米级水平显示细胞核结构，能够比传统显微镜呈现更高分辨率的细节，可以显示小至20nm（即比人类头发宽度小 5,000 倍）的细胞内部结构的重排。

图1  诱导多能干细胞和体细胞STORM双色成像图

        AINU可通过扫描以纳米级分辨率揭示细胞结构的超分辨率图像从而实现细胞类型的分类。该算法模型经过训练后，可以仅根据这些特征将细胞分类为癌细胞或正常细胞。超分辨率显微图像的纳米级分辨率使 AI 能够在细胞感染 1 型单纯疱疹病毒（HSV-1）后1小时内检测到细胞核的变化。该模型可以通过发现 DNA 包装紧密程度的细微差异来检测病毒的存在。研究人员可以使用这项技术来了解病毒在进入人体后如何影响细胞，可能有助于制定更好的治疗方案。在临床上，AINU 可用于从简单的血液或组织样本中快速、准确地诊断早期癌症及病毒感染。

        该研究由永乐高ylg官网Pia Cosma 课题组与西班牙基因调控中心、西班牙庞培法布拉大学和西班牙巴斯克大学合作完成。第一作者为永乐高ylg官网医学研究部Pia Cosma 课题组钟丽梅及西班牙基因调控中心博士后Davide Carnevali，西班牙巴斯克大学计算机科学和人工智能中心Ignacio Arganda-Carreras 对本研究算法的撰写提供了宝贵的帮助。

        原文链接

钟丽梅