深度学习技术助力细胞成像取得突破进展(3)

Horwitz还说道：“这是研究人员第一次使用‘深入学习’来尝试了解实际上细胞如何组织自我的难题。我们现在大体依赖于教科书的示意图画，这些示意画是基于艺术科学家对相对较少数量的细胞数据的诠释。我相信简单示意图最终将被数量众多的细胞数据驱动模型所取代。”

复旦大学医学院教授陈力对第一财经记者表示：“单细胞的图像分析技术和基因分析技术是相辅相成的。细胞形态学的研究，通过对细胞变化的分析会让人类知道更多以前未知的东西，现在这一领域才刚起步。”

陈力表示，可视化的细胞组织预测模型将对生物医药产生两方面的重大突破——疾病诊断和新药研发。“细胞形态学在疾病诊断方面会比基因检测速度更快，而且能够通过细胞的变化很快找到新的药物靶点，应用前景巨大。”陈力对第一财经记者说道。

据陈力介绍，他所在的复旦大学医学院也与相关中国公司合作，进行细胞组织的可视化研究。细胞可视化分析涉及到的三大技术包括单细胞分离技术、细胞成像显示技术和细胞形态的数据分析技术。陈力对第一财经记者表示：“这些技术都还面临很大的挑战，而且要通过多方合作开发才能投入到实际应用，细胞可视化应用的真正实现可能要5~10年时间。”他还表示，这一技术对目前极具发展前景的合成生物学同样有用。

对于艾伦细胞研究所的开放系统Allen Cell Explorer，陈力表示：“他们是希望鼓励大家都到他的平台上共享数据，最后建立一个库。虽然这样做很好，但是事实上具体的应用会涉及到不同的细节要去设置，也并不是那么容易做到。”