Deepcell：基于人工智能的活体细胞形态学辨识，助力单细胞基因组学及液体活检

细胞形态是一种具有悠久临床应用历史的表型，目前，它仍然作为某些疾病的诊断金标准，尤其是在血液学研究领域。近日，在2021年的基因组生物学和技术进展大会上（Advances in Genome Biology and Technology, AGBT。AGBT是世界知名的非营利组织，为生命科学和全球生物技术领域的杰出人士举办的会议），创新型生物公司Deepcell展示了其最新的技术进展。 

图片来源：Deepcell

Deepcell利用人工智能技术根据细胞形态差异实现高精度、可重复、无偏差的鉴定和分类，同时保持细胞活力。迄今为止，Deepcell的人工智能分类器已经训练了数千万张多种类型的细胞图像，作为该公司快速增长的细胞形态学图谱的一部分，它能够准确地区分各种免疫细胞亚型、各种癌症细胞和基质细胞。

该系统的基本原理是一个专有的微流体台式仪器，它允许在线细胞成像，以监督和非监督分类和排序，目前已发展为存有10亿细胞图像信息的数据库，基于如此庞大的数据集，研究人员可以在不同的层面进行深度挖掘。

这种基于人工智能的细胞识别技术，大大优于基于细胞表面标记的技术，因为后者存在可用标记物和检测通道数量的限制性，同时，选择表面蛋白需要丰富的生物学知识，以及蛋白质特异性抗体的可用性。虽说现在已经开发出了几种微流控细胞分选技术，可以在不依赖分子表面标记的情况下分离细胞，但这些方法仍然依赖于预定的形态学特征，如细胞大小、变形性或其它可观察到的表型特征。 

除此之外，该公司也表示，通过Deepcell平台分类的细胞仍然具有活力，可以用于任何下游的分子分析，产生的结果不受干扰，甚至可以对这些分离出的细胞进行体外培养。同时，该技术也非常适合单细胞多组学分析，从而实现细胞形态定性与多组学方法的集成，以达到对细胞生物学前所未有的深度认识。也就是说，这种人工智能技术可以基于形态学特征分离和捕获几乎任何细胞群体，它可以用于各种研究和应用开发。这项技术的普及会将细胞形态带入数字时代，就像高性能计算使基因组学和转录组学取得巨大进步一样，而Deepcell显然已跻身该领域的前列。 

Deepcell的首席技术官 Mahyar Salek表示:“Deepcell的数据表明，深度学习可以实现较高的分类准确率，揭示了精确描述细胞特征和表型的新方法，并能够对感兴趣的细胞进行无标记分离，以进行进一步的深度分析。这项技术为生物医学界的科学家、转化研究机构和制药行业提供了一种新的工具，以从细胞形态学数据中获得对细胞的深度认识。”

据该公司介绍，该技术可以分离发生频率低至10亿分之一的细胞，其潜在应用领域包括单细胞基因组学、液体活检、产前诊断、特定疾病状态下细胞和分子相互作用的表征以及药物开发等。

Deepcell首席执行官兼联合创始人Maddison Masaeli在一份声明中表示：“得益于我们在人工智能、微流体和多组学方面的创新，Deepcell通过增加规模、可解释性和可操作性，将这种表型带入现代应用中。” 

在商业化层面，该公司目前的合作伙伴包括黑色素瘤等领域的临床研究人员，在这些领域，肿瘤细胞无法表达正确的表面标记，因此，传统的细胞分离工具无法有效工作。此外，该平台能够区分特定肿瘤类型的形态学模式，追踪癌细胞在体内的起源，同时根据细胞的外观推测细胞是否存在功能获得或功能缺失突变，所以说未来亦可以癌症诊断和分类。

综上所述，Deepcell通过结合人工智能、细胞分类和捕获以及单细胞分析等方面的进展，通过前所未有的细胞生物学视角，提供新颖的见解，帮助推进精准医学，通过持续的人工智能学习并在没有偏倚的情况下对细胞进行分类。Deepcell平台分离出的细胞仍然维持细胞活力，能够用于下游的单细胞分析，同时该技术可以用于分离几乎任何类型的细胞，甚至是出现频率低至十亿分之一的细胞。未来，该技术将作为一种服务用于转化研究、诊断和治疗开发。

关于Deepcell

Deepcell是一家私人控股公司，总部位于加州，于2017年由斯坦福大学教授尤安·阿什利（Euan Ashley）、其博士后麦迪逊·马萨利（Maddison Masaeli）和计算机科学家玛哈尔·萨勒克（Mahyar Salek）创建。公司使命是在单细胞水平上实现新的生物学见解，以改进疾病诊断和治疗。2020年12月7日，Deepcell宣布已完成2,000万美元A轮融资，融资所得资金用于公司开发其基于微流体的技术以及建立数以亿计的细胞形态图谱。总体来说，该公司使用基于图像的机器学习和微流体技术相结合的方法，能够从组织或血液样本中分离、分析和分类单个细胞，并可以根据细胞形态的差异发现罕见细胞和非典型细胞状态，这将有助于推进精准医学研究。

参考资料： 

1. https:///

2. https://www./