自动检测病毒感染细胞
苏黎世大学(UZH)分子生命科学研究所教授乌尔斯·格雷伯的研究小组现在首次表明,a机器学习该算法仅根据细胞核的荧光特性就能识别出感染疱疹或腺病毒的细胞。“我们的方法不仅可靠地识别了病毒感染的细胞,而且还能提前准确地检测出致命感染,”格雷伯说。该研究的作者认为,它们的发展有许多应用——包括预测人类细胞对其他病毒或微生物的反应。“这种方法为更好地理解感染和发现对抗病毒或细菌等病原体的新活化剂开辟了新途径,”Greber补充说。
分析方法基于结合荧光法显微镜在有深度学习过程的活细胞中在受感染细胞内形成的疱疹病毒和腺病毒改变了细胞核的组织,这些变化可以在显微镜下观察到。这个小组训练了一个深度学习算法——人工的神经网络-自动检测这些变化。该网络通过大量的显微镜图像进行训练,通过这些图像,它学习识别感染或未感染细胞的特征模式。“训练和验证完成后,神经网络自动检测受病毒感染的细胞,”Greber解释说。
可靠地预测严重急性感染
研究团队还证明,该算法能够在24小时前,以95%的准确率识别急性和严重感染。作为训练材料的是溶解性感染的活细胞的图像,其中病毒颗粒迅速繁殖,细胞溶解;以及持续感染的图像,其中病毒不断产生,但只产生少量。尽管该方法具有很高的精度,但目前尚不清楚人工神经网络实际识别的受感染细胞核的哪些特征来区分感染的两个阶段。然而,即使没有这些知识,研究人员现在也能够更详细地研究受感染细胞的生物学。
研究小组已经发现了一些不同之处:在严重感染期间,细胞核的内部压力比在持续阶段更大。此外,在溶解感染的细胞中,病毒蛋白在细胞核中积累得更快。“我们怀疑,不同的细胞过程决定了一个细胞在感染后是否解体。我们现在可以研究这些和其他问题,”格里伯说。
来源:苏黎世大学