魏茨曼科学研究所开发的一种基于AI的技术可能为研究人员和医生提供前所未有的手段，深入观察身体组织。这项技术名为CombPlex，能够同时观察比以往更多的蛋白质。
“要理解任何特定组织的工作原理，同时测量其大量蛋白质至关重要，”魏茨曼分子细胞生物学系的Leeat Keren博士说，她领导了这项研究团队。“这使我们了解组织中存在的细胞类型以及它们之间的通信和相互作用。”
Keren解释说，这种知识对于研究疾病过程非常重要。例如，肿瘤不仅包含肿瘤细胞，还包括各种其他细胞类型，如肿瘤生长的健康组织细胞和免疫系统细胞。肿瘤的细胞组成及其相互作用可以决定治疗效果，或者用于预测哪些患者预后较好，哪些患者可能会发生转移。这些发现反过来又可以改进个性化治疗。
这项新技术CombPlex在组织细胞组成研究方面取得了重大突破。与传统方法每次只能捕获三到四种蛋白质的数据不同，CombPlex在其概念验证阶段已经展示了同时成像并量化近二十种蛋白质的能力，并且未来有潜力扩展到数百种蛋白质。该技术不需要额外的仪器，使其高度可访问。
传统方法的局限性源于光的光学特性。过去几十年里，用于标记蛋白质的荧光探针极大地推动了蛋白质研究，但当同一组织样本中的几种蛋白质用不同颜色的探针标记时，透明的颜色会重叠，使显微镜图像变得模糊。
一种解决方法是多次重复成像，每次洗掉现有的标记并放置新的标记。但这种方法称为循环荧光，非常耗时，最终也只能成像几十种蛋白质——而人类基因组中的约20,000个蛋白质编码基因可以产生无数版本的蛋白质。
“我们希望开发一种成像方法，能够一次捕获更多蛋白质，最终能够成像所有蛋白质，”Keren说。
她用拍照来比喻她的任务。“想象一下，你想拍一张房间的照片，但每次只能拍摄三或四个物体，比如先拍桌子、椅子和电视屏幕。等到你拍窗户、地毯和立灯时，你已经拍了几十张照片，然后需要把它们拼接起来才能得到一个大概的房间图像。”Keren的目标是一次拍摄整个房间，包含所有的物体。
Keren和她的团队决定采用组合方法：通过将多个荧光标签附着到每个蛋白质上，从而使每个分子由一组独特的荧光标签组合识别，形成某种条形码。
组合或条形码的优势在于，可以用少量颜色标记大量的分子。例如，如果想成像七种不同的分子，只需使用三种颜色，因为这三种颜色可以以多种可能的组合出现。
随着标签数量的增加，潜在组合的数量呈指数增长，解锁了更大的可能性。然而，如果查看多个单独的探针已经很复杂，那么当查看多个条形码时，问题变得更加显著。随着条形码数量的增加，它们很快开始重叠，使得无法区分。
Keren和她的团队认为AI可能能够解决看似难以解决的条形码重叠问题。他们假设AI可以通过学习组织图像中不同蛋白质的表达特性来解决这个问题，因为有些蛋白质只有一种类型的细胞表达，而另一些则由不同类型的细胞表达；有些蛋白质在细胞表面表达，有些在细胞内部表达；有些蛋白质普遍存在，而有些则罕见。
令人惊讶的是，他们的直觉被证明是正确的。在魏茨曼人工智能中心的Shai Bagon博士的合作下，Keren和她的学生团队（背景包括生物化学、生物信息学和数学）着手设计一种实验方法，能够同时测量多种蛋白质，并设计出一种AI算法，能够解析包含众多蛋白质条形码的图像。
该团队训练了一个深度神经网络，以应对分解组合图像为单个蛋白质图像的挑战。该网络是在结合世界各地实验室产生的许多单个蛋白质荧光图像生成的模拟数据上进行训练的。
结果是CombPlex，这是一种AI辅助成像方法，能够在组织样本中准确测量单个细胞水平上的多种蛋白质。它可以解压对人类观察者来说像是噩梦般的荧光缠结的图片，将信号分类为单个蛋白质的图像。
由于CombPlex与广泛用于研究和临床的常规荧光显微镜兼容，它有望大大促进生物医学和医疗实验室中组织的研究。除了提供更全面的组织图像外，它可以在一两天内提供传统方法需要几周才能获得的蛋白质成像。
“我们希望CombPlex有一天能取代常规病理学方法，因为它提供了更全面的组织视图，并支持更精确的临床决策，”Keren说。
理论上，CombPlex允许研究人员使用n个标签捕获最多2^n-1个蛋白质。这意味着3个标签可以捕获7个蛋白质；5个标签可以捕获31个蛋白质；10个标签可以捕获1023个蛋白质，尽管实际挑战可能会减少这些数字。在这项研究中，Keren的团队能够使用每种条形码包含5个不同标签的方式测量22个蛋白质。
CombPlex的开发得到了魏茨曼研究所转化研究部门Bina的支持和指导，该部门负责识别具有应用潜力的早期项目。“当我们咨询该领域的专家时，他们都对这项技术非常热情，”Bina的负责人Sharon Fireman博士说。
(全文结束)
声明：本文仅代表作者观点，不代表本站立场，全文内容涉及AI跨语种自动翻译。如有侵权请联系我们删除。