近日科學家們研究發現了一組新的算法，使用這個算法之后能更清楚的顯示癌細胞的差異，這樣可以預防對癌細胞有錯誤的識別，對于醫學上有著重要貢獻。

在最近發表在《Scientific Reports》上的一項題為“Towards image-based cancer cell lines authentication using deep neural networks”的研究中，來自肯特大學和其他機構的科學家開發了一種新的計算機算法，該算法可能能夠基于微成像來識別癌細胞系的差異。

癌細胞系是一種特殊的細胞類型，在實驗室中體外生長并利用細胞培養物作為營養物質。它們可以被研究人員用來研究和開發新的抗癌藥物。然而，許多細胞系在與其他細胞系交換或污染時被錯誤識別，這意味著許多研究人員可能在研究測試中使用了錯誤的細胞。自從科學家開始研究癌細胞系以來，這可能一直是一個長期存在的問題。短串聯重復分析（STR，short tandem repeat）常用于腫瘤細胞系的鑒定，但這種分析成本高、耗時長。此外，STR不能用來區分來自同一個體或動物有機體的細胞。

在這項研究中，科學家們利用大量癌細胞數據的對比分析結果，根據大量細胞系的顯微成像，并利用計算機模型進行深度學習，訓練計算機模型。基于此，他們開發了一種新的算法，允許計算機分析細胞系的單個顯微數字圖像，并精確地識別和標記這些圖像。這項突破可能為研究人員提供一個易于使用的工具，在沒有專業知識和設備的情況下快速識別和分析實驗室中的所有細胞系。

研究人員表示，我們的研究成果已經證明，在實驗室和癌癥研究中潛在的巨大成果，利用這一新算法將產生更進一步的、可以改變科學研究成果的細胞識別方法和方式，可以讓科學家有更好的機會準確識別細胞，以減少癌癥研究中的錯誤和挽救患者生命的潛力。此外，研究人員指出，新的計算機模型可以精確地指定正確識別細胞系的標準，這表明未來研究人員接受精確細胞識別訓練的能力可能會進一步提高。