奈米級精度，病毒感染1h內即可檢測到，南方醫科大學細胞核AI工具登Nature子刊

編輯 | KX

一奈米 (nm) 是一公尺的十億分之一，而人類一根頭髮的寬度約為 100,000 nm。

如今，人工智慧可以偵測到細胞內小至 20 nm 的重排，即比人類頭髮寬度小 5,000 倍。而這些改變太小太微妙，靠人類僅用傳統方法是無法發現的。

近日，南方醫科大學和西班牙巴塞隆納科學技術研究所的研究團隊，開發了一種細胞核人工智慧（AINU）工具，可以在奈米級分辨率下識別特定的細胞核特徵。它可以區分癌細胞和正常細胞，並檢測出細胞內病毒感染的早期階段。

論文共同一作、南方醫科大學廣東省人民醫院(GDPH) 研究員Limei Zhong 說：「研究人員可以利用這項技術觀察病毒進入人體後如何立即影響細胞，這有助於開發更好的治療方法和疫苗。 identifies cellular heterogeneity using nanoscale nuclear features」為題，刊登在《Nature Machine Intelligence》上。

論文連結：https://www.nature.com/articles/s42256-024-00883-x奈米級解析度顯微鏡

細胞表型異質性是許多生物功能的關鍵決定因素，了解其起源仍然是一項艱鉅的挑戰。這種異質性通常反映了染色質結構的變化，受病毒感染和癌症等因素的影響，這些因素極大地重塑了細胞景觀。

單分子定位顯微鏡 (SMLM) ，特別是隨機光學重建顯微鏡 (STORM)，可以確定細胞中染色質纖維的奈米級排列。目前分析單分子空間分佈的方法（例如聚類演算法）在提取核位置及其局部密度方面非常有效。然而，目前尚不清楚如何利用這些分子的空間分佈和密度來識別細胞狀態。

卷積神經網路 (CNN) 已廣泛用於各種醫療保健成像領域。深度學習 (DL) 模型已用於對全細胞影像進行分類並使用衍射極限顯微鏡進行追蹤。此外，超解析度 (SR) 顯微鏡也用於提高資料擷取過程中的定位精度和語義分割，但目前尚未使用 SMLM 影像根據亞細胞結構對細胞進行分類。

分子層面的「臉部辨識」

用臉解鎖智慧型手機，或自動駕駛汽車透過辨識道路上的物體來理解和導航環境等，都利用了卷積神經網路。

在醫學領域，卷積神經網路被用來分析醫學影像，如乳房 X 光或 CT 掃描等，並識別人眼可能遺漏的癌症跡象。它們還可以幫助醫生檢測 MRI 掃描或 X 光影像中的異常，從而幫助醫生更快、更準確地做出診斷。

AINU 是一種卷積神經網絡，是一種專門用於分析影像等視覺資料的 AI。可以使用來自核特徵成像的最少訓練資料有效地訓練 CNN 架構。

AINU 可掃描高解析度細胞影像，這些影像是透過 STORM 獲得的，該技術可以捕捉到比普通顯微鏡更精細的細節。高清快照可以顯示奈米級分辨率的結構。

「這些影像的分辨率，足以讓我們的AI 以驚人的準確度識別特定的模式和差異，包括細胞內DNA 排列方式的變化，從而可以幫助我們很快發現其變化。我認為，有一天，這類資訊可以為醫生贏得寶貴的時間來監測疾病、個人化治療和改善患者預後，」該研究的共同通訊作者、西班牙巴塞隆納科學技術研究所Pia Cosma 教授說。

為了選擇用於識別體細胞和人類誘導多能幹細胞（hiPSC）的最佳CNN 架構及其超參數，研究人員比較了11 種不同的CNN 架構，最終，DenseNet-121 在識別體細胞和hiPSC 方面表現最佳，平均驗證準確率為92.26，平均損失為0.292，用於後續分析。

選擇基於模型在總共 349 個核雙色 STORM 圖像上的性能，這些圖像是核小體核心組蛋白 H3 和 Pol II。所選分子的螢光團是從不同體細胞類型的人類體細胞和 hiPSC 中收集的，並渲染成相對於原始相機幀放大 10 倍的圖像。

AINU 在分子層面上檢測和分析細胞內的微小結構。研究人員透過向模型輸入不同狀態下不同類型細胞的細胞核的奈米級分辨率影像來訓練模型。該模型透過分析細胞核成分在三維空間中的分佈和排列方式，學會了識別細胞中的特定模式。

例如，與正常細胞相比，癌細胞的細胞核結構有明顯的變化，例如其 DNA 的組織方式或細胞核內酵素的分佈發生了變化。經過訓練後，AINU 可以分析細胞核的新影像，並僅根據這些特徵將其歸類為癌症或正常細胞。

圖示：使用 Pol II 和 H3 影像訓練的 AINU 可以正確辨識體細胞和 iPSC。 （資料來源：論文）AINU 能夠根據超解析度顯微鏡影像中核心組蛋白 H3、RNA 聚合酶 II（Pol II）或 DNA 的空間排列區分不同的細胞狀態。僅使用少量影像作為訓練數據，AINU 經過適當的再訓練後，可以準確識別人類體細胞、人類誘導多能幹細胞（iPSC）、被單純皰疹病毒I 型（HSV-1）感染的人類細胞和癌細胞。

AINU 可辨識體細胞和 iPSC

圖示：用 Pol II 影像訓練的 AINU 正確辨識體細胞和 iPSCs。 （資料來源：論文）

揭示辨識特徵

可解釋的 AI 揭示了核仁內的 Pol II 定位是 AINU 辨識 hiPSC 的關鍵特徵。

檢測 HSV-1

影像的奈米級分辨率使 AI 能夠在細胞被 HSV-1 感染後一小時內檢測到細胞核的變化。該模型可以透過發現 DNA 緊密程度的細微差異來檢測病毒的存在。

臨床應用

研究人員正在克服限制，將該技術用於臨床環境。

加速科學研究

AINU 可精確辨識幹細胞，有助於加速幹細胞研究。

檢測多能細胞

AINU 可以更快、更準確地檢測多能細胞，有助於使幹細胞療法更安全、更有效。

減少動物使用

AINU 的使用可以減少科學中對動物的使用。

相關報告：

• https://medicalxpress.com/news/2024-08-ai-cancer-viral-infections-nanoscale.html

以上是奈米級精度，病毒感染1h內即可檢測到，南方醫科大學細胞核AI工具登Nature子刊的詳細內容。更多資訊請關注PHP中文網其他相關文章！