从机器学习中生长人工器官

来自莫斯科物理与技术研究所的研究人员，Ivannikov系统编程研究所和哈佛医学学校附属什叶岛眼科研究所开发了一种能够在其在盘子中分化过程中识别视网膜组织的神经网络。与人类不同，该算法在没有需要修饰细胞的情况下实现这一点，使得适用于显影细胞替代疗法的视网膜组织以治疗盲目和对新药进行研究的方法。

来自莫斯科物理与技术研究所的研究人员，Ivannikov系统编程研究所和哈佛医学学校附属什叶岛眼科研究所开发了一种能够在其在盘子中分化过程中识别视网膜组织的神经网络。与人类不同，该算法在没有需要修饰细胞的情况下实现这一点，使得适用于显影细胞替代疗法的视网膜组织以治疗盲目和对新药进行研究的方法。该研究发表于细胞神经科学的前沿。

这将允许扩展多个领域技术的应用，包括药物发现和细胞替代疗法的发展，以治疗失明

在多细胞生物中，构成不同器官和组织的细胞不一样。他们在发展过程中获得了不同的功能和属性。它们从同样的开始，如所谓的干细胞，这具有成为任何种类的成熟生物的细胞。然后，它们通过产生特定于某些组织和器官的蛋白质来进行分化。

在体外复制组织分化的最先进技术依赖于称为有机体的3D细胞聚集体。该方法已经证明有效地研究视网膜，大脑，内耳，肠道，胰腺和许多其他组织类型的发展。由于基于有机体基分化密切地模仿自然过程，因此所得组织与实际生物器官中的一个组织非常相似。

细胞中的一些阶段朝视网膜分化具有随机（随机）性质，即使在相同批次中的人工器官之间具有特定功能的细胞数量的相当大的变化。当涉及不同的细胞系时，差异甚至更大。结果，有必要具有确定在给定时间点已经区分的细胞的手段。否则，实验不会真正复制，使临床应用也不太可靠。

为了定位分化的细胞，组织工程师使用荧光蛋白。通过将负责生产这种蛋白质的基因插入细胞DNA中，研究人员确保合成并在达到细胞显影中的某个阶段产生信号并产生信号。虽然该技术具有高度敏感的，具体，方便的定量评估，但它不适用于用于移植或遗传性疾病建模的细胞。

为了解决该陷阱，最近在细胞神经科学的前沿研究的作者提出了一种基于组织结构的替代方法。到目前为止，还没有可靠和预测分化细胞质量的可靠性和客观标准。研究人员建议使用神经网络和人工智能选择最适合移植，药物筛选或疾病建模的那些最适合移植，药物筛选或疾病建模的组织。

“我们实验室的主要重点之一是将生物信息学，机器学习和AI的方法应用于遗传学和分子生物学中的实际任务。而这种解决方案也是在科学之间的界面。在它中，神经网络是传统上擅长的，解决了生物医学的问题：预测茎细胞分化进入视网膜，“在MIPT的基因组工程实验室领导了基因组工程实验室。

“人类视网膜具有非常有限的再生能力，”遗传学家继续。“这意味着任何渐进神经元的渐进丧失 - 例如，在青光眼中 - 不可避免地导致完全失去视力。而且没有任何医生可以推荐，短暂地开始学习盲文。我们的研究采取生物医学的研究较近为视网膜疾病创造细胞疗法，这不仅可以停止进展而且逆转视力丧失。“

该团队培训了神经网络 - 即一种计算机算法，其模拟了神经元在人脑中的工作方式 - 基于传统光学显微镜制成的照片鉴定显影视网膜中的组织。研究人员首先通过一种涉及使用荧光报道器的准确技术识别1,200图像中的分化细胞。神经网络在750图像上培训，另一个用于验证的150个，用于测试预测。在最后阶段，该机器能够以84％的精度定位差异化的细胞，而通过人类实现的67％。

“我们的研究结果表明，用于早期视网膜组织选择的目前标准可能是主观的。他们依靠专家决定。然而，我们假设组织形态，其结构含有能够预测视网膜分化的线索，即使在非常早期的阶段也是如此。与人类不同，计算机程序可以提取该信息！“评论了孤儿疾病治疗和Schepens眼科研究所MIPT实验室的Evgenii Kegeles，美国

“这种方法不需要非常高质量，荧光记者或染料的图像，使得科学家补充说，这使得它相对容易实现。“需要更接近视网膜疾病（如青光眼和黄斑变性）的细胞疗法需要一步，今天总是导致失明。除此之外，该方法不仅可以转移到其他细胞系，还可以转移到其他人工器官。“

###

参考：“卷积神经网络可以预测视网膜有机体的视网膜分化”，Evgenii Kegeles，Anton Naumov，Evgeny A. Karpulevich，Pavel Volchkov和Petr Baranov，7月3日2020年，蜂窝神经科学的前沿：
10.3389 / Fncel.202020.00171

莫斯科物理学与技术研究所是一所领先的国际大学排名中的领先技术大学。它提供基本和应用的物理学，数学，信息学和计算机科学，化学，生物学等自然和工程科学。MIPT是一个先进的科学中心，对衰老和衰老相关疾病，应用和基础物理，2D材料，量子技术，人工智能，基因组工程，北极和太空勘探进行了研究。