ナノメートル（nm）は1メートルの10億分の1で、人間の髪の毛の幅は約10万nmです。
今日、人工知能は、20 nm (人間の髪の毛の幅の 5,000 分の 1) という小さな細胞内の再配列を検出できます。これらの変化は、従来の方法だけを使用して人間が発見するにはあまりにも小さく微妙です。
最近、スペインの南医科大学とバルセロナ科学技術研究所の研究チームは、ナノメートルレベルの解像度で特定の核の特徴を識別できる核人工知能 (AINU) ツールを開発しました。がん細胞と正常細胞を区別し、細胞内ウイルス感染の初期段階を検出できます。
この論文の共著者であり、南方医科大学広東省人民病院(GDPH)の研究者であるLimei Zhong氏は、「研究者はこの技術を利用して、ウイルスがヒトの体内に入った直後に細胞にどのような影響を与えるかを観察することができる」と述べた。病院や診療所では、AINU を使用して単純な血液または組織サンプルから感染症を迅速に診断でき、診断プロセスがより迅速かつ正確になります。」関連研究は「ディープラーニング」に基づいています。 「ナノスケールの核の特徴を使用して細胞の不均一性を識別する」という手法が「Nature Machine Intelligence」に掲載されました。
論文リンク: https://www.nature.com/articles/s42256-024-00883-x ナノスケール分解能顕微鏡
単一分子局在顕微鏡法 (SMLM)、特に確率的光学再構成顕微鏡法 (STORM) は、細胞内のクロマチン線維のナノスケールの配置を決定できます。クラスタリング アルゴリズムなど、単一分子の空間分布を分析する現在の方法は、核の位置とその局所密度を抽出するのに非常に効果的です。ただし、これらの分子の空間分布と密度を細胞の状態を識別するためにどのように利用できるかは現時点では不明です。
畳み込みニューラル ネットワーク (CNN) は、さまざまな医療画像分野で広く使用されています。深層学習 (DL) モデルは、全細胞画像を分類し、回折限界顕微鏡を使用してそれらを追跡するために使用されています。さらに、超解像 (SR) 顕微鏡法は、データ取得時の位置特定精度とセマンティック セグメンテーションを向上させるために使用されていますが、SMLM 画像は細胞内構造に基づいて細胞を分類するためにまだ使用されていません。
分子レベルの「顔認識」
顔でスマートフォンのロックを解除したり、道路上の物体を識別して環境を理解してナビゲートしたりする自動運転車は、すべて畳み込みニューラル ネットワークを利用しています。
医療分野では、畳み込みニューラル ネットワークを使用してマンモグラムや CT スキャンなどの医療画像を分析し、人間の目では見逃す可能性のあるがんの兆候を特定します。また、医師が MRI スキャンや X 線画像の異常を検出するのにも役立ち、医師がより迅速かつ正確に診断できるようになります。
AINU は畳み込みニューラル ネットワークであり、画像などの視覚データを分析するために特別に設計された AI の一種です。 CNN アーキテクチャは、核署名イメージングからの最小限のトレーニング データを使用して効率的にトレーニングできます。
AINU は、通常の顕微鏡よりも詳細をキャプチャする技術である STORM で取得した細胞の高解像度画像をスキャンします。高解像度のスナップショットでは、ナノメートルの解像度で構造を明らかにできます。
「これらの画像の解像度は、私たちの AI が細胞内の DNA の配置の変化などの特定のパターンや違いを驚くべき精度で識別するのに十分な高さであり、変化を非常に迅速に検出するのに役立ちます。私たちはそう信じています。この種の情報は、いつか医師が病気を観察し、治療法を個別化し、患者の転帰を改善するための貴重な時間を稼ぐ可能性がある」と、研究の共同執筆者であり、スペインのバルセロナ科学技術研究所のピア・コスマ教授は述べた。
体細胞とヒト人工多能性幹細胞 (hiPSC) を識別するための最適な CNN アーキテクチャとそのハイパーパラメータを選択するために、研究者らは 11 の異なる CNN アーキテクチャを比較し、最終的に DenseNet-121 が体細胞とヒト誘導多能性幹細胞の識別において優れたパフォーマンスを発揮しました。ヒト人工多能性幹細胞 (hiPSC) は、平均検証精度 92.26、平均損失 0.292 で最も優れたパフォーマンスを示し、その後の分析に使用されました。
選択は、ヌクレオソーム コア ヒストン H3 および Pol II の合計 349 枚の核 2 色 STORM 画像のモデル パフォーマンスに基づいて行われました。選択された分子の蛍光色素をヒト体細胞およびさまざまな体細胞タイプの hiPSC から収集し、元のカメラ フレームに対して 10 倍の倍率で画像にレンダリングしました。
AINU は細胞内の微小な構造を分子レベルで検出し、分析します。研究者らは、さまざまな状態にあるさまざまな種類の細胞の核のナノスケール解像度の画像をモデルに入力してモデルを訓練しました。このモデルは、核の構成要素が 3 次元空間でどのように分布および配置されているかを分析することで、細胞内の特定のパターンを認識することを学習しました。
Sebagai contoh, berbanding dengan sel normal, sel kanser mempunyai perubahan yang jelas dalam struktur nuklearnya, seperti perubahan dalam cara DNAnya disusun atau pengedaran enzim dalam nukleus. Selepas latihan, AINU boleh menganalisis imej baharu nukleus sel dan mengklasifikasikannya sebagai kanser atau sel normal berdasarkan ciri-ciri ini semata-mata.
Ilustrasi: AINU dilatih pada imej Pol II dengan betul mengenal pasti sel somatik dan iPSC. (Sumber: Kertas)
Mendedahkan Ciri Pengenalan
AI yang boleh ditafsir mendedahkan bahawa penyetempatan Pol II dalam nukleolus ialah ciri utama AINU mengenal pasti hiPSC.
Mengesan HSV-1
Resolusi skala nano bagi imej membolehkan AI mengesan perubahan dalam nukleus dalam masa satu jam sel dijangkiti HSV-1 . Model itu boleh mengesan kehadiran virus dengan mencari perbezaan halus dalam seberapa padat DNA itu.
Aplikasi Klinikal
Penyelidik sedang mengatasi batasan untuk menggunakan teknologi ini dalam tetapan klinikal.
Mempercepatkan penyelidikan saintifik
AINU mengenal pasti sel stem dengan tepat dan membantu mempercepatkan penyelidikan sel stem.
Mengesan Sel Pluripoten
AINU boleh mengesan sel pluripoten dengan lebih cepat dan tepat, membantu menjadikan terapi sel stem lebih selamat dan berkesan.
Mengurangkan penggunaan haiwan
Penggunaan AINU dapat mengurangkan penggunaan haiwan dalam sains.
Laporan berkaitan:
以上がナノメートルレベルの精度でウイルス感染を 1 時間以内に検出できる南医科大学の細胞核 AI ツールが Nature サブジャーナルに掲載されました。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。
![[Web フロントエンド] Node.js クイック スタート](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
