深度学习模型逐细胞预测果蝇发育过程

快速阅读: 据多家机构披露，麻省理工学院团队开发出新型深度学习模型，可高精度预测果蝇胚胎发育中单个细胞的动态行为，准确率达90%，有望助力器官发育研究及哮喘等疾病的早期诊断。

近日，麻省理工学院（MIT）工程师团队开发出一种新型深度学习模型，可逐分钟预测果蝇早期发育过程中单个细胞的折叠、分裂与重排行为。该研究成果发表于《自然·方法》期刊，有望为复杂组织器官发育研究及早期疾病识别提供新工具。

研究人员将该模型应用于果蝇胚胎发育视频分析。果蝇胚胎初始由约5000个细胞组成，在发育首小时内经历从光滑均匀形态向具有明确结构的转变。这一阶段被称为原肠胚形成，细胞在分钟尺度上快速重排，是理解局部细胞互作如何驱动整体组织形成的窗口。模型能以90%的准确率预测每个细胞在此过程中的动态变化。

该模型创新性地融合“点云”与“泡沫”两种传统建模方法，构建“双图”结构：既将细胞视为移动点，又模拟其如泡沫般相互挤压滑动的特性。通过这一双重表征，系统可更全面捕捉细胞核位置、邻接关系及实时形变等几何特征。

研究团队表示，未来计划将该方法拓展至斑马鱼、小鼠等其他物种，以识别跨物种共有的发育模式。此外，该技术或可用于揭示哮喘等疾病的早期细胞动态异常。例如，哮喘患者肺组织在活体成像中呈现不同于健康组织的细胞行为，而新模型有望捕捉此类细微差异，助力诊断优化与药物筛选。

该研究由MIT机械工程系副教授郭明、博士生杨海谦，以及来自密歇根大学、东北大学等机构的合作者共同完成。

科研人员利用上述模型对果蝇原肠胚形成过程中的细胞动态变化进行了高精度预测。他们将其应用于密歇根大学合作者提供的高质量果蝇胚胎发育视频数据。这些视频以单细胞分辨率连续记录了一小时的发育过程，并标注了每个细胞的边界与细胞核位置，具备亚微米级三维空间精度和较快的帧率，数据极为珍贵。

研究人员使用其中三段视频训练模型，使其学习胚胎发育过程中单个细胞间的相互作用与形态变化规律。随后，团队在第四段全新视频上测试模型性能，结果显示，该模型能以约90%的准确率预测约5000个细胞在分钟级时间尺度上的行为，包括细胞是否发生折叠、分裂，或继续与邻近细胞共享边界等关键属性。

此外，该模型不仅能判断特定细胞事件是否发生，还能精确预测其发生时间。例如，可判断某一细胞将在7分钟还是8分钟后与相邻细胞分离。研究人员认为，从原理上讲，这一基于双图结构的新模型具备推广潜力，有望用于预测其他多细胞系统——包括更复杂物种乃至部分人类组织器官的发育过程。

目前，限制该技术广泛应用的主要因素是高质量视频数据的获取难度。研究人员表示，模型本身已基本成熟，若能获得特定组织的优质影像数据，即可直接用于更多生物结构的发育预测。相关成果已发表于《自然·方法》期刊。

(以上内容均由Ai生成)

引用自：Phys.org网站