類器官（Organoids）是模擬器官結(jié)構(gòu)和功能的微型且簡化的體外模型系統(tǒng),，由于其在疾病建模、藥物篩選,、個性化醫(yī)療方面的前景,，引起了人們廣泛的興趣。盡管在培養(yǎng)多種類器官fang面取得了實質(zhì)性成功,，但組裝的復(fù)雜性和數(shù)據(jù)分析的困難仍然是挑戰(zhàn),。將人工智能（AI）引入到類器官研究的中，通過提供新的方法和解讀角度,，有可能加快類器官的開發(fā)和臨床應(yīng)用,。
上海交通大學(xué)附屬新華醫(yī)院團隊對AI輔助的類器官做了詳細(xì)的報道,，描述了AI輔助的類器官基本概念和機制,，總結(jié)了其在構(gòu)建體系的快速篩選、多維度圖像特征的高性價比獲取,、多組學(xué)數(shù)據(jù)的簡化分析和精確的臨床前評估和應(yīng)用方面的前瞻性研究,。還探討了將類器官與AI接口的挑戰(zhàn)和限制，及未來發(fā)展方向,。綜上所述,，運用AI的類器官極大推動了人類對器官發(fā)育和疾病進(jìn)展的了解。"類器官"一詞于1907年提出,。直到2009年，Hans Clevers教授及其團隊培養(yǎng)了第一個腸道類器官,，使得該領(lǐng)域得到了關(guān)注,。在過去十年中，人們不斷進(jìn)入重大的里程碑事件,。2011年,，腸道和視網(wǎng)膜類器官首ci從干細(xì)胞中培養(yǎng)出來,。隨后，從人多能干細(xì)胞中發(fā)展出視網(wǎng)膜類器官,。2013年,，腦、肝,、腎和胰腺類器官成功生長,。2014年進(jìn)入前列腺和肺類器官，2015年進(jìn)入乳腺,、輸卵管和海馬類器官,。2020年，蛇毒腺類器官成功培養(yǎng),。
由于在結(jié)構(gòu)和功能上對真實器官的高度精確模仿，類器官在理解人體組織和器官的復(fù)雜功能以及臨床前疾病治療方面具有巨大的潛力,。它們的用途從高通量藥物篩選到復(fù)雜的疾病建模,，有些甚至達(dá)到了臨床轉(zhuǎn)化階段。類器官與免疫細(xì)胞共培養(yǎng)來模擬復(fù)雜的腫瘤微環(huán)境,，從而促進(jìn)了我們對癌癥的理解,。類器官還可以作為藥物發(fā)現(xiàn)平臺，評估新治療藥物的療效和毒性,。例如,，肝類器官可用于研究藥物的代謝，并為藥物開發(fā)確定新的靶點,。在再生醫(yī)學(xué)領(lǐng)域,，類器官提供了創(chuàng)造適合移植和其他治療應(yīng)用的功能組織的潛力。此外,，它們有助于研究人類發(fā)育生物學(xué),，為各種疾病的潛在機制提供寶貴的見解。例如,，腦類器官可用于研究人類大腦的發(fā)育和神經(jīng)系統(tǒng)疾病的潛在機制,。
類器官提供了前所wei有的機會來促進(jìn)人類對生物學(xué)和疾病的了解。然而可知,，類器官是一個及其復(fù)雜的體系和過程,，它受到從構(gòu)建，到數(shù)據(jù)分析,，到倫理和經(jīng)濟的一系列挑戰(zhàn)的阻礙,。人類需要系統(tǒng)地解決這些挑戰(zhàn)，以釋放類器官技術(shù)的全部潛力,。人工智能（AI）起源于計算機科學(xué),，旨在模仿人類的認(rèn)知功能，如視覺感知和決策,。它是一個跨學(xué)科的領(lǐng)域,，整合了計算機科學(xué)、數(shù)學(xué)和心理學(xué)等,。近年來的里程碑事件包括AlphaGo,、AlphaFold和ChatGPT。此外,，大數(shù)據(jù)的興起使得在大量數(shù)據(jù)上訓(xùn)練人工智能算法成為可能,，從而提高了各種任務(wù)的性能。今天,，AI正在廣泛的領(lǐng)域得到應(yīng)用,，其未來應(yīng)用的潛力只受我們想象力的限制。機器學(xué)習(xí)是AI的一個子集,，它采用算法從數(shù)據(jù)中迭代學(xué)習(xí),，從而實現(xiàn)決策和預(yù)測的自動化。有三種常見的機器學(xué)習(xí)類型,，用以解決不同的問題,。①監(jiān)督學(xué)習(xí)：利用標(biāo)記數(shù)據(jù)來訓(xùn)練預(yù)測任務(wù)的算法。常用的算法包括線性回歸和邏輯回歸,，以及決策樹,。②無監(jiān)督學(xué)習(xí)：對未標(biāo)記的數(shù)據(jù)進(jìn)行操作，以發(fā)現(xiàn)內(nèi)在模式,。它通常用于聚類和降維,，使用k-means和主成分分析等算法。③強化學(xué)習(xí)：包括通過環(huán)境相互作用學(xué)習(xí)算法,，旨在隨著時間的推移最da化獎勵,。它通常應(yīng)用于機器人和控制系統(tǒng)。以及一些常用的機器學(xué)習(xí)模型,，這些模型有其應(yīng)用方向和強大之處。⑤循環(huán)神經(jīng)網(wǎng)絡(luò)(RNNs)⑥卷積神經(jīng)網(wǎng)絡(luò)(CNNs)⑦圖神經(jīng)網(wǎng)絡(luò)(GNNs)
機器學(xué)習(xí)
四,、AI在類器官系統(tǒng)用的應(yīng)用1,、類器官構(gòu)建體系的快速篩選：快速篩選構(gòu)建體系，確定最佳實驗設(shè)計和實施策略的有效工具,。2,、多維度圖像特征的高性價比獲取：展現(xiàn)使我們能夠從無數(shù)的觀點和層次上解剖和理解類器官的結(jié)構(gòu)和功能3,、對多組學(xué)數(shù)據(jù)的簡化分析：有助于在基因表達(dá),、蛋白質(zhì)組學(xué)和代謝組學(xué)等眾多方面掌握類器官的復(fù)雜性4,、精確的臨床前評估和應(yīng)用：為預(yù)測人工智能在現(xiàn)實世界臨床環(huán)境中的表現(xiàn)和影響提供了關(guān)鍵的解讀。
AI輔助的類器官機器學(xué)習(xí)算法可以通過分析大量數(shù)據(jù),，確定最有xiao的方法，包括基質(zhì)凝膠的類型,，識別基質(zhì)凝膠的空間結(jié)構(gòu),，微調(diào)細(xì)胞培養(yǎng)條件，識別活性誘導(dǎo)因素,，評估外部刺激,。這些都可能是類器官形成的關(guān)鍵因素。
實驗體系篩選的機器學(xué)習(xí)
如前所述,，基質(zhì)凝膠材料的參與是構(gòu)建類器官的必要條件，這些材料的形態(tài)分析對其生物性能至關(guān)重要,。傳統(tǒng)的方法通常需要人工識別和處理,，這可能容易出錯，效率低下,，而且很主觀,，因此，需要引入AI,?？蓮倪@幾個生物學(xué)維度進(jìn)行機器學(xué)習(xí)訓(xùn)練：形態(tài)學(xué)尺度圖像分析、細(xì)胞尺度圖像分析,、類器官尺度的圖像分析,、組織尺度的圖像分析。
形態(tài)學(xué)和細(xì)胞尺度分析的機器學(xué)習(xí)類器官尺度分析的機器學(xué)習(xí)
組織尺度分析的機器學(xué)習(xí)七,、類器官的AI多組學(xué)數(shù)據(jù)分析類器官研究的另一個挑戰(zhàn)是在評估過程中分析高通量多組學(xué)數(shù)據(jù),。多組學(xué)數(shù)據(jù)的分析，包括基因組學(xué),、轉(zhuǎn)錄組學(xué),、表觀基因組學(xué)、蛋白質(zhì)組學(xué)和單細(xì)胞組學(xué),，由于數(shù)據(jù)量大且復(fù)雜,，是一項較為艱巨的任務(wù)。為此,，有團隊推出UniedNet,，這是一個可解釋的多任務(wù)深度神經(jīng)網(wǎng)絡(luò)，旨在合并各種任務(wù)，以評估單細(xì)胞多模態(tài)數(shù)據(jù),。最近的另一篇文章介紹了devCellPy,，這是一種機器學(xué)習(xí)支持的工作流程，用于自動標(biāo)記復(fù)雜的多層單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù),，有助于在復(fù)雜的層次結(jié)構(gòu)中自動識別細(xì)胞類型,。
多組學(xué)數(shù)據(jù)分析的機器學(xué)習(xí)
八、AI類器官的精準(zhǔn)臨床前評估與應(yīng)用AI還可用于類器官研究的臨床前評估和應(yīng)用階段,。預(yù)測模型和優(yōu)化算法可用于評估類器官干預(yù)發(fā)展的機制,，篩選潛在藥物，構(gòu)建體外疾病模型,，提高該階段的效率和效果,，對于彌合基礎(chǔ)研究和臨床應(yīng)用之間的差距至關(guān)重要。具體應(yīng)用涵蓋發(fā)育生物學(xué),、生物樣本庫,、藥物篩選、疾病模型,。
機器學(xué)習(xí)促進(jìn)精準(zhǔn)的類器官臨床前評估和應(yīng)用類器官的成功構(gòu)建和穩(wěn)定培養(yǎng)至關(guān)重要,。AI技術(shù)，特別是機器學(xué)習(xí)算法,，為優(yōu)化類器官結(jié)構(gòu)和培養(yǎng)方法提供了廣闊前景,。具體來說，AI可以優(yōu)化具有最佳性能的基質(zhì)凝膠設(shè)計,，通過圖像分析實現(xiàn)質(zhì)量控制自動化,，并動態(tài)監(jiān)測培養(yǎng)條件。它還可以分析高通量組學(xué)數(shù)據(jù),，反饋各種功能信息和結(jié)構(gòu)參數(shù),。AI幫助構(gòu)建更有效和更高質(zhì)量的類器官，從而加速從實驗室研究到臨床應(yīng)用的過渡,。但為了充分實現(xiàn)AI輔助的類器官的巨大潛力,，仍需要克服很多重大的挑戰(zhàn)和限制。
手機版
化工儀器網(wǎng)手機版
化工儀器網(wǎng)小程序
官方微信
公眾號：chem17
掃碼關(guān)注視頻號
采購中心