徠卡顯微系統(tǒng)公司有機(jī)會(huì)與 Lundberg 教授探討了運(yùn)用人工智能 (AI) 和機(jī)器學(xué)習(xí)技術(shù)進(jìn)行顯微圖像分析。她在實(shí)驗(yàn)室開發(fā)的人工智能和機(jī)器學(xué)習(xí)模型有助于改進(jìn)圖像采集以及隨后的處理和分析,。例如,，與使用傳統(tǒng)的分析方法相比，科學(xué)家們可以采用更高效的方法識(shí)別細(xì)胞和蛋白質(zhì),。此外,，人工智能對(duì)于圖像分割也非常有用，圖像分割可幫助科學(xué)家獲得更好的定量數(shù)據(jù)并進(jìn)行可靠的統(tǒng)計(jì)分析,，并且在成像過程中進(jìn)行幾乎實(shí)時(shí)的分析以便檢查動(dòng)態(tài)細(xì)胞事件,。這些模型還可以利用特定格式的空間信息，這些格式可與蛋白質(zhì)組學(xué)數(shù)據(jù)或單細(xì)胞測(cè)序數(shù)據(jù)等其他類型數(shù)據(jù)輕松整合,。詳情請(qǐng)閱讀以下采訪,。
Emma Lundberg 教授
瑞典 KTH 理工學(xué)院細(xì)胞生物學(xué)蛋白質(zhì)組學(xué)教授
她還是細(xì)胞圖譜項(xiàng)目的總監(jiān)，該項(xiàng)目是瑞典人類蛋白質(zhì)圖譜(HPA)項(xiàng)目*的組成部分,，后者是用于研究人類蛋白質(zhì)組的開源資源,。細(xì)胞圖譜項(xiàng)目是 HPA 的一部分，提供人類細(xì)胞系中 RNA 和蛋白質(zhì)的表達(dá)及時(shí)空分布的高分辨率圖像,。Lundberg 教授因其在繪制人蛋白質(zhì)組圖方面的創(chuàng)新研究而榮獲瑞典國(guó)家化學(xué)工程師協(xié)會(huì)(SKR)2017年度大獎(jiǎng),。她還是瓦倫堡青年院士（技術(shù)類別，2017-2021 年）,。
您能否給我們介紹一下您目前的研究工作,？
Lundberg 教授：我是人類蛋白質(zhì)細(xì)胞圖譜(HPA)項(xiàng)目的總監(jiān)，該項(xiàng)目涉及繪制人類細(xì)胞中的蛋白質(zhì)分布圖,。在這個(gè)大型項(xiàng)目中,，我們生成了許多高分辨率共聚焦圖像，目的是解釋蛋白質(zhì)在細(xì)胞中的模式和分布,。這項(xiàng)工作相當(dāng)重要,，因?yàn)榇蠹s一半的人蛋白存在于兩個(gè)或多個(gè)細(xì)胞區(qū)室中,，因此通常是兩種不同模式的混合。我們還研究數(shù)十種不同的細(xì)胞系,，這些細(xì)胞系具有不同的形態(tài),，呈現(xiàn)細(xì)胞器的方式也略有不同。在啟動(dòng)該項(xiàng)目時(shí),，我們手動(dòng)進(jìn)行所有標(biāo)注,，然后逐漸建立機(jī)器學(xué)習(xí)模型，對(duì)蛋白質(zhì)分布模式進(jìn)行分類,。
您的研究工作如何在顯微成像中運(yùn)用人工智能和機(jī)器學(xué)習(xí)技術(shù),？它能帶來哪些優(yōu)勢(shì)？
Lundberg教授： 使用機(jī)器學(xué)習(xí)模型可以節(jié)省大量時(shí)間,，但是我相信真正的成功將取決于我們開發(fā)的模型能夠?qū)⒖臻g信息嵌入到一種格式中,，將其與其他類型的分子測(cè)量數(shù)據(jù)整合，例如蛋白質(zhì)組學(xué)數(shù)據(jù)或單細(xì)胞測(cè)序數(shù)據(jù),。機(jī)器學(xué)習(xí)算法的另一個(gè)主要優(yōu)點(diǎn)是進(jìn)行更加無(wú)偏性的圖像分析,。例如，它可以幫助我們僅憑外觀就找到非常相似的細(xì)胞,，或者我們可以通過異常檢測(cè)來發(fā)現(xiàn)罕見的細(xì)胞,。
在 HPA 項(xiàng)目中，我們繪制了大多數(shù)人類蛋白質(zhì)的亞細(xì)胞分布圖,，現(xiàn)在,，我們開始研究那些在鄰近細(xì)胞之間的分布上容易發(fā)生變化的時(shí)間動(dòng)力學(xué)和蛋白質(zhì)。為此,，我們需要能夠在單細(xì)胞水平上量化空間模式的可靠模型,，幫助我們了解細(xì)胞形態(tài)的細(xì)微變化。生物過程由某些蛋白質(zhì)的相互作用驅(qū)動(dòng),，而且微小的空間重排可能有非常顯著的功能性后果,，因此我們希望能夠識(shí)別并量化這些細(xì)微的差異。
在實(shí)時(shí)圖像分析方面,，我希望新的顯微鏡可以擴(kuò)大我們的視野,，例如幫助我們預(yù)測(cè)細(xì)胞的周期位置，或者哪些細(xì)胞將進(jìn)入凋亡階段,，或者從明視場(chǎng)圖像預(yù)測(cè)細(xì)胞膜標(biāo)簽和 DAPI 染色,，以便能將所有這些增強(qiáng)特性實(shí)時(shí)添加到顯微鏡視圖中。我希望我們最終也會(huì)在數(shù)據(jù)驅(qū)動(dòng)的圖像采集與人工智能驅(qū)動(dòng)的圖像分析之間形成某種閉環(huán),。
能否請(qǐng)您再介紹一下,，在采集圖像的同時(shí)能夠分析數(shù)據(jù)有何好處？
Lundberg 教授：在 HPA 項(xiàng)目中,，我們有時(shí)會(huì)檢查罕見事件,，例如特定的酶易位到罕見細(xì)胞的細(xì)胞核中,，而它們的功能未知。當(dāng)我們檢查細(xì)胞中的這些罕見的空間重新排列時(shí),，需要在成像過程中進(jìn)行近實(shí)時(shí)的分析,。這樣，我們可以根據(jù)事件具體調(diào)整圖像,，尤其在研究動(dòng)態(tài)事件時(shí),。進(jìn)行頻繁的延時(shí)成像時(shí)，通過這種方法還可以進(jìn)行稀疏成像以避免光毒性,，而當(dāng)我們探測(cè)到要研究的罕見事件時(shí),，我們可以選擇性地對(duì)該細(xì)胞成像。
相反,，如果我們采用手動(dòng)分析圖像的方法來分析這些罕見事件,，就必須停止實(shí)驗(yàn)、進(jìn)行分析,，然后重復(fù)實(shí)驗(yàn),。
既然你們是自己開發(fā)這些技術(shù)，那么你們是否利用這些技術(shù)獲得實(shí)時(shí)結(jié)果呢,？
Lundberg 教授：我們有一些可以實(shí)時(shí)運(yùn)行的輕量級(jí)模型。不過,，我們尚未實(shí)現(xiàn)閉環(huán),，也沒有完成整合，但是我們希望在不久的將來實(shí)現(xiàn)這一目標(biāo),。例如,，我們開發(fā)了一種能夠從明視場(chǎng)圖像預(yù)測(cè)細(xì)胞膜染色的模型，通過該模型,，我們能夠?qū)崿F(xiàn)細(xì)胞的高精度實(shí)時(shí)分割,。這意味著我們可以在顯微成像過程中實(shí)時(shí)測(cè)量分割后細(xì)胞中的熒光。
圖像來源（人類細(xì)胞）：人類蛋白質(zhì)圖譜
人工智能和機(jī)器學(xué)習(xí)技術(shù)可以為日常顯微成像工作帶來的主要價(jià)值是什么,？
Lundberg 教授：人工智能驅(qū)動(dòng)的分析可以優(yōu)化和簡(jiǎn)化顯微圖像處理,，可以改善信噪比、將圖像去卷積或大幅度增高分辨率,。它在提高圖像質(zhì)量方面具有巨大的潛力,，*改變了顯微成像領(lǐng)域。
在分析方面,，機(jī)器學(xué)習(xí)算法可以為分析大型數(shù)據(jù)集創(chuàng)造全新的機(jī)會(huì),。使用現(xiàn)代顯微成像技術(shù)，我們可以生成非常大的顯微鏡數(shù)據(jù)集,，而人工智能輔助分析則使我們能夠高效,、準(zhǔn)確地分析這些數(shù)據(jù),。
此外，我認(rèn)為在成像方面,，人工智能對(duì)圖像分析中常用的分割方法非常有用,。良好的分割非常有幫助，能讓用戶獲得更好的定量數(shù)據(jù),，進(jìn)行可靠的統(tǒng)計(jì)分析,。人工智能驅(qū)動(dòng)并不總那么困難，它可以包括從細(xì)胞分割等一般模型到高級(jí)算法的各種方法,。大多數(shù)生物學(xué)家很可能會(huì)發(fā)現(xiàn)機(jī)器學(xué)習(xí)算法在圖像分析中非常有用,，沒有理由不去嘗試一下。
無(wú)需處理超大型圖像數(shù)據(jù)集的研究人員也能受益于人工智能輔助分析嗎,？
Lundberg 教授：當(dāng)然可以,。我認(rèn)為細(xì)胞分割將是他們肯定能從中受益的可用工具之一。機(jī)器學(xué)習(xí)算法還可在模式識(shí)別方面提供很大幫助,，例如用于識(shí)別無(wú)標(biāo)志物的特定細(xì)胞器,。
未來，機(jī)器學(xué)習(xí)模型可用于挖掘開放的圖像存儲(chǔ)庫(kù),。此外,，它還使我們有機(jī)會(huì)根據(jù)現(xiàn)有數(shù)據(jù)分析我們自己的成像數(shù)據(jù)。例如,，即使您生成小型數(shù)據(jù)集,，也可以看到您的表型是否與數(shù)據(jù)庫(kù)中的另一個(gè)表型匹配。
目前,，將人工智能應(yīng)用于顯微成像的圖像分析是否存在挑戰(zhàn),？
Lundberg 教授：是的，當(dāng)然存在,。有多種挑戰(zhàn)：共享和管理海量的圖像數(shù)據(jù)集,，滿足用于訓(xùn)練人工智能模型的計(jì)算需求，以及為不習(xí)慣使用人工智能模型的研究人員開發(fā)易于使用的界面,?？赡軙?huì)有許多障礙，具體要看專業(yè)領(lǐng)域,。人工智能專家很可能希望開發(fā)更好的模型,，而不習(xí)慣使用人工智能模型的顯微鏡工作者可能想要了解如何使用它們。我認(rèn)為在機(jī)器學(xué)習(xí)算法的使用上有許多方面可以改進(jìn),。
您認(rèn)為是否有研究人員抗拒采用人工智能輔助分析,？
Lundberg 教授：總的來說，我認(rèn)為影像學(xué)界已很好地接受了基于人工智能的工具,。我認(rèn)為有些阻力是正常的,，因?yàn)槌霈F(xiàn)新的分析工具時(shí)總會(huì)出現(xiàn)這種情況,。人工智能輔助圖像分割等迭代工具能夠讓用戶在手動(dòng)修正時(shí)隨時(shí)了解最新情況，在訓(xùn)練期間與模型交互,，有助于研究人員對(duì)模型充滿信心,，因?yàn)樗麄兛梢钥吹侥Ｐ腿绾沃饾u改進(jìn)。但是,，用戶當(dāng)然必須認(rèn)識(shí)到模型要進(jìn)行數(shù)據(jù)訓(xùn)練,，如果輸入了錯(cuò)誤數(shù)據(jù)，模型就可能會(huì)提供不可靠的輸出結(jié)果,。當(dāng)然,，也不應(yīng)該盲目相信人工智能驅(qū)動(dòng)的分析。
您是否認(rèn)為監(jiān)督式機(jī)器學(xué)習(xí)可以降低對(duì)人工智能輔助圖像分析法的接受障礙,？
Lundberg 教授：當(dāng)然可以,。通常，監(jiān)督式機(jī)器學(xué)習(xí)需要對(duì)數(shù)據(jù)進(jìn)行某種標(biāo)注,，而這是我們?cè)诔上裰幸呀?jīng)習(xí)慣的事情,。例如，當(dāng)用戶想在組織病理學(xué)載玻片中標(biāo)記細(xì)胞或標(biāo)記出感興趣區(qū)域時(shí)——這種實(shí)況數(shù)據(jù)的生成經(jīng)常會(huì)形成瓶頸,。只要掌握了數(shù)量足夠的真實(shí)情況數(shù)據(jù),，就可以訓(xùn)練出良好的人工智能模型，但仍需要依靠專家來生成這種實(shí)況數(shù)據(jù),。真實(shí)情況的質(zhì)量反過來又會(huì)決定模型的質(zhì)量,。我相信，如果實(shí)現(xiàn)這個(gè)循環(huán)并進(jìn)行迭代分析,，我們可以在專家的指導(dǎo)下訓(xùn)練出更好的模型，改善模型的薄弱環(huán)節(jié),。這也是一種進(jìn)步,，能夠幫助真正的生物學(xué)專家增加對(duì)模型的信心，他們可以看到模型如何漸漸得到改進(jìn),。這種“人在回路"方法是一種意義重大的進(jìn)步,。
您認(rèn)為圖像分析的未來會(huì)如何？
Lundberg 教授：我認(rèn)為人工智能模型將真正幫助我們理解和挖掘圖像數(shù)據(jù)的所有豐富內(nèi)涵,。此外,，人工智能還可以幫助我們更智能地制定圖像采集方案，使我們收集到更好的數(shù)據(jù),。人工智能工具將幫助我們超解析,、還原和處理圖像，從而生成更快,、更智能,、更高質(zhì)量的數(shù)據(jù),，并且為解釋圖像數(shù)據(jù)和根據(jù)圖像數(shù)據(jù)做出預(yù)測(cè)等提供新的可能性。
我們還需要克服哪些限制,，才能使計(jì)算分析方法被廣泛接受,？
Lundberg 教授：我認(rèn)為一個(gè)很大的限制是缺乏免費(fèi)的公共開放圖像存儲(chǔ)庫(kù)，以及用于共享顯微成像人工智能模型的模型庫(kù),。如果我們可以共享所有針對(duì)顯微成像開發(fā)的人工智能模型,，并且可以獲取所有已采集的圖像，那么您就可以訓(xùn)練所有類型的模型,，可以研究各種科學(xué)問題,！
您會(huì)對(duì)研究人員說些什么來讓他們感興趣并考慮使用人工智能驅(qū)動(dòng)的分析？
Lundberg 教授：現(xiàn)在的時(shí)機(jī)很合適——市場(chǎng)上有許多很好的工具,，即使不是專家,，也可以學(xué)習(xí)如何使用它們。沒有理由不接受人工智能驅(qū)動(dòng)的分析方法,，因?yàn)樗梢蕴峁└玫膱D像和更好的圖像分析,。大多數(shù)顯微鏡工作者在計(jì)劃和設(shè)置實(shí)驗(yàn)上投入大量時(shí)間。那么,，為什么不同樣花一些時(shí)間采用這種新技術(shù)來改進(jìn)分析呢,？
如果想了解人工智能驅(qū)動(dòng)的圖像分析，有一個(gè)非常友好,、很有幫助的社群,。此外，還有許多關(guān)于這個(gè)方面的開源工具和論壇,，所以沒有理由不去嘗試一下,。
目前，在 HPA 數(shù)據(jù)庫(kù)中,，我們每年擁有大約 1000 萬(wàn)張圖像和 120 多萬(wàn)用戶,。到目前為止，我們只允許用戶從我們這里下載數(shù)據(jù),。也許,，在未來的某個(gè)時(shí)候，我們能允許用戶上傳自己的圖像數(shù)據(jù),，并且除了文字外還能通過圖像查詢我們的數(shù)據(jù)庫(kù),。這是個(gè)非常切實(shí)的目標(biāo)，我認(rèn)為人工智能會(huì)帶來很多這樣的機(jī)會(huì),。
了解更多：徠卡顯微
(空格分隔,最多3個(gè),單個(gè)標(biāo)簽最多10個(gè)字符)
會(huì)員.png)
8
立即詢價(jià)
您提交后，專屬客服將第一時(shí)間為您服務(wù)