細胞分裂是生物生長和修複的重要過程。細胞生物學家通過觀察染色體--由含有生物體遺傳物質的DNA構成的結構--來跟蹤這一過程。顯微鏡技術的進步和自動化使得研究人員能夠在短時間内拍攝到更好的染色體圖像。然而，他們的分析仍然很大程度上是手工完成的，這通常是一項繁瑣的任務。對于植物來說尤其如此，它們在染色體大小和數量上表現出巨大的多樣性。

現在，來自日本的研究人員采取了不同的方法。由日本岡山大學的長崎清宅（Kiyotaka Nagaki ）副教授領導的團隊采用了深度學習的方法。人工智能(Ai)對幾種植物的染色體圖像進行分類。雖然這本身并不是什麼新鮮事，但有趣的是，他的團隊已經證明，即使是非專家也可以輕易地利用人工智能。

這怎麼可能的？Nagaki博士說：“使用人工智能對圖像進行分類通常需要高水平的計算機知識。我們所做的是在McIntosh計算機上用CreateML應用程序構建适合我們自己的圖像樣本的人工智能模型。此外，人工智能可以被訓練成适合自己目的的各種圖像的定購圖像分類器。”

這個研究小組使用染色體圖像來訓練深度學習模型若要檢測圖像或圖像的部分，請将細胞正在經曆“有絲分裂”，一個細胞分裂成兩個完全相同的子細胞。他們根據模型正确分類。

接下來，研究小組用訓練期間未使用的植物物種的有絲分裂細胞圖像對模型進行測試。令他們高興的是，在這些圖像中，模型正确地區分了有絲分裂細胞。此外，這項技術也适用于組織切片中的細胞和不同的組織切片中的細胞分裂。

這些結果表明，該團隊開發的深度學習管道可以方便、可靠地被不同學科的非數據科學家使用，大大簡化和加快了圖像分析的任務。

此外，這種報告方法的範圍可以擴大到更複雜的分析，例如識别染色體畸變和開發新的目标檢測和分類咨詢系統。長崎博士說：“在我們的生活中，有比人們想象的更多瑣碎的分類。通過委托人工智能來實現這類分類的自動化，不僅可以消除個體差異造成的波動，而且還可以節省許多寶貴的研究時間。簡化這些瑣碎的分類，可以使大量基于圖像的研究更具重複性和可靠性，”Nagaki博士說。

事實上，正如他所說的那樣，“任何人都可以使用的深度學習分類器”，可能是我們理解生物物種的各種細微差别的關鍵。

更多内容：Kiyotaka Nagaki et al, Effectiveness of Create ML in microscopy image classifications: a simple and inexpensive deep learning pipeline for non-data scientists, Chromosome Research (2021). DOI: 10.1007/s10577-021-09676-z

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!