神经网络有助于人工器官的生长

与人类不同,算法实现这一目标不需要修改细胞，这使得该方法适合于生长视网膜组织，以开发治疗失明的细胞替代疗法，并进行新药物的研究。这将扩大该技术在多个领域的应用，包括药物发现和治疗失明的细胞替代疗法的开发

在多细胞生物中，组成不同器官和组织的细胞是不一样的。它们有独特的功能和性质，是在发展过程中获得的。它们和所谓的干细胞一开始是一样的，干细胞有潜力成为成熟生物体所包含的任何一种细胞。然后，它们通过产生特定组织和器官的蛋白质进行分化。

在体外复制组织分化的最先进的技术依赖于被称为类器官的3D细胞聚集体。这种方法已经被证明对研究视网膜、大脑、内耳、肠、胰腺和许多其他组织类型的发展是有效的。由于基于器官的分化密切模仿自然过程，因此产生的组织非常类似于一个实际的生物器官。

细胞向视网膜分化的某些阶段具有随机性，导致具有特定功能的细胞数量存在相当大的差异，甚至在同一批次的人造器官之间也是如此。当涉及到不同的细胞系时，差异甚至更大。因此，有必要有一种方法来确定哪些细胞在给定的时间点已经分化。否则，实验将无法真正复制，使得临床应用也不那么可靠。

为了发现分化的细胞，组织工程师使用荧光蛋白。通过将负责产生这种蛋白质的基因插入细胞的DNA中，研究人员确保一旦细胞发育达到某个阶段，它就会被合成并产生信号。虽然这项技术高度敏感，特异性强，便于定量评估，但并不适合用于移植或遗传性疾病建模的细胞。

为了解决这个问题，科学家们提出了一种基于组织结构的替代方法。到目前为止，还没有可靠和客观的标准来预测分化细胞的质量。研究人员提出最好的视网膜组织-那些最适合移植、药物筛选或疾病建模——应该使用神经网络和人工智能进行选择。“我们实验室的主要重点之一是应用生物信息学的方法，机器学习以及人工智能在遗传学和分子生物学中的实际任务。这个解决方案，也是在科学的交界。在这篇文章中,神经网络该研究的共同作者帕维尔·沃尔奇科夫(Pavel Volchkov)说，他是麻省理工学院基因组工程实验室的负责人。

“人类视网膜的再生能力非常有限，”遗传学家继续说。“这意味着任何神经元的渐进性丧失——例如，在青光眼-不可避免地导致完全失明。除了在盲文学习上抢占先机，医生没有什么可以推荐的。我们的研究使生物医学向创造视网膜疾病的细胞疗法又迈进了一步，这种细胞疗法不仅能阻止疾病的发展，还能逆转视力下降。”

该团队训练了一个神经网络——也就是一种模拟人类大脑神经元工作方式的计算机算法——根据传统光学显微镜拍摄的照片来识别正在发育的视网膜中的组织。研究人员首先让一些专家通过使用荧光报告器的精确技术，在1200张图像中识别分化的细胞。该神经网络在750张图像上进行训练，另外150张用于验证，250张用于测试预测。在这最后一个阶段，机器识别分化细胞的准确率为84%，而人类的准确率为67%。“我们的研究结果表明，目前用于早期视网膜组织选择的标准可能是主观的。他们取决于专家做出的决定。然而，我们假设该组织的形态和结构包含了能够预测视网膜分化的线索，即使是在非常早期的阶段。与人类不同的是，计算机程序可以提取这些信息!美国MIPT孤儿病治疗实验室和Schepens眼科研究所的Evgenii Kegeles评论道

这位科学家补充说:“这种方法不需要非常高质量的图像、荧光报告器或染料，因此相对容易实现。”“这使我们向开发青光眼和黄斑变性等视网膜疾病的细胞疗法又迈进了一步，这些疾病如今总是导致失明。除此之外，这种方法不仅可以移植到其他细胞系，还可以移植到其他人类人工器官。”

这项研究发表在《细胞神经科学前沿'．