0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內(nèi)不再提示

利用深度學習對人體活細胞進行結構預測

nlfO_thejiangme ? 來源:未知 ? 作者:胡薇 ? 2018-07-20 10:00 ? 次閱讀

你有沒有想象過有一天可以看到一個自己的細胞在分裂,在成長,在釋放出生命的力量呢?近日,Allen細胞科學研究所的科學家們利用深度學習技術成功開發(fā)了世界上第一個可以對人體活細胞進行結構預測的模型,基于這個模型科學家可以再屏幕上看到細胞生生不息的模樣,甚至可以直接通過屏幕來操作細胞。

這個被稱為Allen Integrate Cell 的模型,是通過深度學習處理了成千上萬的高分辨率細胞圖像而得到的,它可以識別出亞細胞結構并投影成三維的,多層次的細胞表示,并同時顯示出細胞中各個部分的相互作用。而其中的一些現(xiàn)象在以前從未被觀測到。

Allen Integrate Cell提供了一種對于活細胞真實的數(shù)據(jù)驅(qū)動的3D可視化工具,不僅可以顯示出細胞內(nèi)部多種多樣的分子機制和細胞結構,同時為細胞的活動提供了一個標準的建??蚣埽瑸榧膊?、藥物響應和細胞環(huán)境的研究打下了堅實的基礎。

有兩個主要的技術在這套系統(tǒng)中起到了關鍵的作用,一個是顯示特定細胞內(nèi)各部分組織關系的確定性模型,另一個則是描述細胞器形狀和位置的概率模型,甚至對于未知的細胞也可以進行類似的建模。

其中概率模型為建模提供了細胞器在細胞中最有可能的形狀和位置,基于多個細胞的觀察而得到最好的結果。雖然對于特定的單個細胞可能匹配上有一些誤差,但卻適用這一整類的細胞在統(tǒng)計上的行為和描述。

研究人員激動的表示,這是科學離魔法最近的一次,細胞內(nèi)部的活動就像3D電影一樣美妙。

在此之前,人們需要借助復雜的熒光顯微技術才能看到活細胞內(nèi)的結構,而這種方法十分昂貴,除了速度慢熒光物質(zhì)還會對細胞造成損害。

如今,無需幾萬美元的設備研究人員們利用神經(jīng)網(wǎng)絡重新構建出了細胞的3D投射光線與熒光細胞圖像之前的關系,從而重建出了主要的細胞結構。他們教會模型從投射圖像中重建出細胞中不同細胞器或蛋白質(zhì)的三維結構。在一個實實在在的活細胞中,可以看到細胞的活動代謝和演變,甚至可以看到有絲分裂的過程,你可以觀察到前所未見的細胞核重構和細胞膜的發(fā)育。這些都是我們曾經(jīng)無法看到的,更不用說在3D層面上了。

這樣的能力將為生物學研究帶來翻天覆地的變革,無論是癌癥研究還是藥物開發(fā)都將受益于新的觀測方式,我們看到的細胞將不是扁平的二維截面,也不再是課本上一成變的圖樣,而是一個生命充滿活力的生生不息!

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 深度學習
    +關注

    關注

    73

    文章

    5422

    瀏覽量

    120590

原文標題:深度學習技術又立功啦!幫助開發(fā)出世界上第一個可對人體活細胞進行結構預測的模型

文章出處:【微信號:thejiangmen,微信公眾號:將門創(chuàng)投】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦

    深度學習與數(shù)據(jù)挖掘的關系

    ;而深度學習使用獨立的層、連接,還有數(shù)據(jù)傳播方向,比如最近大火的卷積神經(jīng)網(wǎng)絡是第一個真正多層結構學習算法,它利用空間相對關系減少參數(shù)數(shù)目以提高訓練性能,讓機器認知過程逐層
    發(fā)表于 07-04 16:07

    人工智能可助辨識細胞結構

    美國艾倫細胞科學研究所的科學家使用機器學習技術訓練計算機,使其可在不使用熒光標記的情況下較為準確地辨認出細胞結構。傳統(tǒng)的熒光顯微法使用發(fā)光分子標記來確定
    發(fā)表于 10-15 05:21

    利用ECS進行深度學習詳細攻略

    ECS:利用ECS進行深度學習詳細攻略
    發(fā)表于 12-24 11:47

    細胞的同時AFM熒光成像應用簡報

    細胞的同時AFM /熒光成像 - 應用簡報
    發(fā)表于 10-23 10:39

    深度學習預測和健康管理中的應用

    深度學習預測和健康管理中的應用綜述摘要深度學習預測和健康管理(PHM)引起了濃厚的興趣,因為
    發(fā)表于 07-12 06:46

    使用keras搭建神經(jīng)網(wǎng)絡實現(xiàn)基于深度學習算法的股票價格預測

    本文使用keras搭建神經(jīng)網(wǎng)絡,實現(xiàn)基于深度學習算法的股票價格預測。本文使用的數(shù)據(jù)來源為tushare,一個免費開源接口;且只取開票價進行預測
    發(fā)表于 02-08 06:40

    什么是深度學習?使用FPGA進行深度學習的好處?

    準確的模型。有了上述機制,現(xiàn)在可以通過讓神經(jīng)網(wǎng)絡模型學習各種問題來自動解決問題,創(chuàng)建高精度模型,并對新數(shù)據(jù)進行推理。然而,由于單個神經(jīng)網(wǎng)絡只能解決簡單的問題,人們嘗試通過構建深度神經(jīng)網(wǎng)絡 (DNN
    發(fā)表于 02-17 16:56

    基于集成多標記學習的蛋白質(zhì)多亞細胞定位預測方法

    針對多標記學習和集成學習在解決蛋白質(zhì)多亞細胞定位預測問題上應用還不成熟的狀況,研究基于集成多標記學習的蛋白質(zhì)多亞
    發(fā)表于 12-13 15:49 ?0次下載
    基于集成多標記<b class='flag-5'>學習</b>的蛋白質(zhì)多亞<b class='flag-5'>細胞</b>定位<b class='flag-5'>預測</b>方法

    谷歌FHIR標準協(xié)議利用深度學習預測醫(yī)療事件發(fā)生

    使用電子健康記錄(EHR)數(shù)據(jù)的預測建模預計將推動個人化醫(yī)療并提高醫(yī)療質(zhì)量。谷歌發(fā)布消息稱已經(jīng)開源該協(xié)議緩沖區(qū)工具。谷歌FHIR標準協(xié)議利用深度學習
    發(fā)表于 03-07 17:14 ?7957次閱讀
    谷歌FHIR標準協(xié)議<b class='flag-5'>利用</b><b class='flag-5'>深度</b><b class='flag-5'>學習</b><b class='flag-5'>預測</b>醫(yī)療事件發(fā)生

    深度學習分析電子病歷 進行臨床預測

    基于脫敏的電子病歷數(shù)據(jù),我們用深度學習模型對住院患者進行了廣泛預測。值得一提的是,該模型可以直接使用原始數(shù)據(jù),無需人工對相關變量進行提取、清
    的頭像 發(fā)表于 05-15 14:41 ?5850次閱讀
    用<b class='flag-5'>深度</b><b class='flag-5'>學習</b>分析電子病歷 <b class='flag-5'>進行</b>臨床<b class='flag-5'>預測</b>

    基于深度學習的二維人體姿態(tài)估計方法

    基于深度學習的二維人體姿態(tài)估計方法通過構建特定的神經(jīng)網(wǎng)絡架構,將提取的特征信息根據(jù)相應的特征融合方法進行信息關聯(lián)處理,最終獲得人體姿態(tài)估計結
    發(fā)表于 03-22 15:51 ?5次下載
    基于<b class='flag-5'>深度</b><b class='flag-5'>學習</b>的二維<b class='flag-5'>人體</b>姿態(tài)估計方法

    基于深度學習的二維人體姿態(tài)估計算法

    近年來人體姿態(tài)估計作為計算機視覺領域的熱點,在視頻監(jiān)控、人機交互、智慧校園等領域具有廣泛的應用前景。隨著神經(jīng)網(wǎng)絡的快速發(fā)展,采用深度學習方法進行二維
    發(fā)表于 04-27 16:16 ?7次下載
    基于<b class='flag-5'>深度</b><b class='flag-5'>學習</b>的二維<b class='flag-5'>人體</b>姿態(tài)估計算法

    基于云的深度學習和聲學成圖進行器官細胞培養(yǎng)研究

    應用到微流體設備,研究人員可以驅(qū)動微米級的細胞,使其構成簡單的圖案,例如線條和網(wǎng)格。 我和同事開發(fā)了一種將深度學習和數(shù)值模擬相結合的方法,用于將細胞排列成我們自己設計的更為復雜的圖案。
    的頭像 發(fā)表于 05-18 14:14 ?1660次閱讀
    基于云的<b class='flag-5'>深度</b><b class='flag-5'>學習</b>和聲學成圖<b class='flag-5'>進行</b>器官<b class='flag-5'>細胞</b>培養(yǎng)研究

    基于深度學習的信息級聯(lián)預測方法研究綜述

    Prediction領堿。文中主要對基于深度學習的信息級聯(lián)預測方法的研究現(xiàn)狀與經(jīng)典算法進行分類、梳理與總結。根據(jù)信息級聯(lián)特征刻畫的側重點不冋,將基于
    發(fā)表于 05-18 15:28 ?9次下載

    深度學習中的時間序列分類方法

    時間序列分類(Time Series Classification, TSC)是機器學習深度學習領域的重要任務之一,廣泛應用于人體活動識別、系統(tǒng)監(jiān)測、金融
    的頭像 發(fā)表于 07-09 15:54 ?374次閱讀