通過研究癌癥患者細(xì)胞中的基因表達(dá)，臨床生物學(xué)家能夠了解癌癥的起源并預(yù)測不同治療方法的成功率。但細(xì)胞結(jié)構(gòu)復(fù)雜，包含多個(gè)層次，生物學(xué)家進(jìn)行測量的方式會(huì)影響他們能獲得的數(shù)據(jù)類型。例如，測量細(xì)胞中的蛋白質(zhì)可能會(huì)產(chǎn)生與測量基因表達(dá)或細(xì)胞形態(tài)學(xué)不同的癌癥影響信息。

信息在細(xì)胞中的來源位置至關(guān)重要。但為了捕獲細(xì)胞狀態(tài)的完整信息，科學(xué)家往往必須使用不同技術(shù)進(jìn)行多次測量，并逐一分析。機(jī)器學(xué)習(xí)方法可以加速這一過程，但現(xiàn)有方法將每種測量模式的所有信息混合在一起，使得難以確定哪些數(shù)據(jù)來自細(xì)胞的哪個(gè)部分。

為解決這一問題，麻省理工學(xué)院與哈佛大學(xué)布羅德研究所以及蘇黎世聯(lián)邦理工學(xué)院/保羅謝勒研究所的研究人員開發(fā)了一個(gè)基于人工智能的框架，該框架能夠?qū)W習(xí)哪些關(guān)于細(xì)胞狀態(tài)的信息在不同測量模式之間共享，哪些信息是特定測量類型獨(dú)有的。

通過精確定位哪些信息來自哪些細(xì)胞部位，這種方法提供了細(xì)胞狀態(tài)的更全面視圖，使生物學(xué)家更容易看到細(xì)胞相互作用的完整圖景。這可以幫助科學(xué)家理解疾病機(jī)制，跟蹤癌癥、阿爾茨海默病等神經(jīng)退行性疾病以及糖尿病等代謝疾病的進(jìn)展。

論文第一作者、前麻省理工學(xué)院電氣工程與計(jì)算機(jī)科學(xué)系研究生、現(xiàn)任奧地利維也納AITHYRA集團(tuán)負(fù)責(zé)人張心怡表示："當(dāng)我們研究細(xì)胞時(shí)，一種測量方法往往是不夠的，因此科學(xué)家開發(fā)新技術(shù)來測量細(xì)胞的不同方面。雖然我們有很多觀察細(xì)胞的方法，但歸根結(jié)底我們只有一個(gè)潛在的細(xì)胞狀態(tài)。通過以更智能的方式整合所有這些測量模式的信息，我們可以更全面地了解細(xì)胞的狀態(tài)。"

該研究的合作者還包括蘇黎世聯(lián)邦理工學(xué)院健康科學(xué)與技術(shù)系教授、保羅謝勒研究所多尺度生物成像實(shí)驗(yàn)室負(fù)責(zé)人希瓦香卡，以及論文通訊作者、麻省理工學(xué)院電氣工程與計(jì)算機(jī)科學(xué)系和數(shù)據(jù)、系統(tǒng)與社會(huì)研究所教授烏勒。該研究成果發(fā)表在《自然計(jì)算科學(xué)》期刊上。

處理多重測量

科學(xué)家可以使用許多工具來捕獲細(xì)胞狀態(tài)信息。例如，他們可以測量RNA來觀察細(xì)胞是否在生長，或者測量染色質(zhì)形態(tài)來了解細(xì)胞是否在應(yīng)對外部物理或化學(xué)信號。

希瓦香卡說："當(dāng)科學(xué)家進(jìn)行多模態(tài)分析時(shí)，他們使用多種測量模式收集信息并將其整合，以更好地理解細(xì)胞的潛在狀態(tài)。有些信息只被一種模式捕獲，而其他信息則在多種模式間共享。要完全理解細(xì)胞內(nèi)部發(fā)生的情況，重要的是要知道信息來自哪里。"

通常情況下，科學(xué)家解決這個(gè)問題的唯一方法是進(jìn)行多個(gè)單獨(dú)實(shí)驗(yàn)并比較結(jié)果。這種緩慢而繁瑣的過程限制了他們能收集的信息量。

在這項(xiàng)新研究中，研究人員構(gòu)建了一個(gè)機(jī)器學(xué)習(xí)框架，專門理解哪些信息在不同模式之間重疊，哪些信息是特定模式獨(dú)有但未被其他模式捕獲的。

張心怡說："作為用戶，你只需輸入細(xì)胞數(shù)據(jù)，它就會(huì)自動(dòng)告訴你哪些數(shù)據(jù)是共享的，哪些數(shù)據(jù)是模式特定的。"

為了構(gòu)建這個(gè)框架，研究人員重新思考了機(jī)器學(xué)習(xí)模型捕獲和解釋多模態(tài)細(xì)胞測量的典型設(shè)計(jì)方式。

通常這些被稱為自編碼器的方法，為每種測量模式設(shè)置一個(gè)模型，每個(gè)模型為該模式捕獲的數(shù)據(jù)編碼單獨(dú)的表示。這種表示是輸入數(shù)據(jù)的壓縮版本，丟棄任何不相關(guān)的細(xì)節(jié)。

麻省理工學(xué)院的方法有一個(gè)共享表示空間，其中編碼多種模式間重疊的數(shù)據(jù)，以及單獨(dú)的空間，其中編碼每種模式的獨(dú)特?cái)?shù)據(jù)。

本質(zhì)上，可以將其視為細(xì)胞數(shù)據(jù)的維恩圖。

研究人員還使用了特殊的兩步訓(xùn)練程序，幫助他們的模型處理決定哪些數(shù)據(jù)在多種數(shù)據(jù)模式間共享所涉及的復(fù)雜性。訓(xùn)練后，當(dāng)輸入從未見過的細(xì)胞數(shù)據(jù)時(shí)，模型可以識(shí)別哪些數(shù)據(jù)是共享的，哪些是獨(dú)特的。

區(qū)分?jǐn)?shù)據(jù)

在合成數(shù)據(jù)集的測試中，該框架正確捕獲了已知的共享和模式特定信息。當(dāng)他們將方法應(yīng)用于真實(shí)世界的單細(xì)胞數(shù)據(jù)集時(shí)，它全面且自動(dòng)地區(qū)分了兩種測量模式（如轉(zhuǎn)錄組學(xué)和染色質(zhì)可及性）共同捕獲的基因活性，同時(shí)也正確識(shí)別了僅來自其中一種模式的信息。

此外，研究人員使用他們的方法識(shí)別了哪種測量模式捕獲了表明癌癥患者DNA損傷的特定蛋白標(biāo)記。了解這些信息的來源將幫助臨床科學(xué)家確定應(yīng)該使用哪種技術(shù)來測量該標(biāo)記。

烏勒說："細(xì)胞中有太多模式，我們不可能全部測量，所以我們需要預(yù)測工具。但問題是：我們應(yīng)該測量哪些模式，應(yīng)該預(yù)測哪些模式？我們的方法可以回答這個(gè)問題。"

未來，研究人員希望使模型能夠提供關(guān)于細(xì)胞狀態(tài)的更多可解釋信息。他們還希望進(jìn)行額外實(shí)驗(yàn)，確保模型正確分離細(xì)胞信息，并將模型應(yīng)用于更廣泛的臨床問題。

烏勒說："僅僅整合所有這些模式的信息是不夠的。如果我們仔細(xì)比較不同模式以理解細(xì)胞的不同組分如何相互調(diào)節(jié)，我們可以學(xué)到很多關(guān)于細(xì)胞狀態(tài)的知識(shí)。"

這項(xiàng)研究部分由布羅德研究所埃里克和溫迪·施密特中心、瑞士國家科學(xué)基金會(huì)、美國國立衛(wèi)生研究院、美國海軍研究辦公室、阿斯利康、麻省理工學(xué)院-IBM沃森AI實(shí)驗(yàn)室、麻省理工學(xué)院機(jī)器學(xué)習(xí)與健康診所以及西蒙斯研究員獎(jiǎng)資助。

Q&A

Q1：這個(gè)AI框架能解決細(xì)胞生物學(xué)研究中什么問題？

A：該框架主要解決多模態(tài)細(xì)胞測量數(shù)據(jù)整合的問題?，F(xiàn)有方法將不同測量模式的信息混合在一起，難以確定哪些數(shù)據(jù)來自細(xì)胞的哪個(gè)部分。新框架能自動(dòng)識(shí)別哪些信息在不同測量模式間共享，哪些是特定模式獨(dú)有的，為生物學(xué)家提供細(xì)胞狀態(tài)的更全面視圖。

Q2：這種方法如何幫助癌癥等疾病的研究？

A：通過精確定位信息來源，該方法能幫助臨床科學(xué)家確定應(yīng)該使用哪種技術(shù)測量特定的疾病標(biāo)記物，比如表明DNA損傷的蛋白標(biāo)記。這有助于科學(xué)家理解疾病機(jī)制，跟蹤癌癥、阿爾茨海默病等神經(jīng)退行性疾病以及糖尿病等代謝疾病的進(jìn)展。

Q3：相比傳統(tǒng)方法，這個(gè)AI框架有什么優(yōu)勢？

A：傳統(tǒng)方法需要進(jìn)行多個(gè)單獨(dú)實(shí)驗(yàn)并逐一比較結(jié)果，過程緩慢繁瑣。新框架使用特殊的兩步訓(xùn)練程序和共享表示空間設(shè)計(jì)，用戶只需輸入細(xì)胞數(shù)據(jù)，就能自動(dòng)區(qū)分共享數(shù)據(jù)和模式特定數(shù)據(jù)，大大提高了研究效率并能處理從未見過的細(xì)胞數(shù)據(jù)。