近日科學(xué)家們研究發(fā)現(xiàn)了一組新的算法，使用這個算法之后能更清楚的顯示癌細(xì)胞的差異，這樣可以預(yù)防對癌細(xì)胞有錯誤的識別，對于醫(yī)學(xué)上有著重要貢獻(xiàn)。

在最近發(fā)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(xué)和其他機(jī)構(gòu)的科學(xué)家開發(fā)了一種新的計算機(jī)算法，該算法可能能夠基于微成像來識別癌細(xì)胞系的差異。

癌細(xì)胞系是一種特殊的細(xì)胞類型，在實驗室中體外生長并利用細(xì)胞培養(yǎng)物作為營養(yǎng)物質(zhì)。它們可以被研究人員用來研究和開發(fā)新的抗癌藥物。然而，許多細(xì)胞系在與其他細(xì)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(xì)胞。自從科學(xué)家開始研究癌細(xì)胞系以來，這可能一直是一個長期存在的問題。短串聯(lián)重復(fù)分析（STR，short tandem repeat）常用于腫瘤細(xì)胞系的鑒定，但這種分析成本高、耗時長。此外，STR不能用來區(qū)分來自同一個體或動物有機(jī)體的細(xì)胞。

在這項研究中，科學(xué)家們利用大量癌細(xì)胞數(shù)據(jù)的對比分析結(jié)果，根據(jù)大量細(xì)胞系的顯微成像，并利用計算機(jī)模型進(jìn)行深度學(xué)習(xí)，訓(xùn)練計算機(jī)模型。基于此，他們開發(fā)了一種新的算法，允許計算機(jī)分析細(xì)胞系的單個顯微數(shù)字圖像，并精確地識別和標(biāo)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(yè)知識和設(shè)備的情況下快速識別和分析實驗室中的所有細(xì)胞系。

研究人員表示，我們的研究成果已經(jīng)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(chǎn)生更進(jìn)一步的、可以改變科學(xué)研究成果的細(xì)胞識別方法和方式，可以讓科學(xué)家有更好的機(jī)會準(zhǔn)確識別細(xì)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(jī)模型可以精確地指定正確識別細(xì)胞系的標(biāo)準(zhǔn)，這表明未來研究人員接受精確細(xì)胞識別訓(xùn)練的能力可能會進(jìn)一步提高。