|
开发微小识别符材质的计算论设计方法
从微观条形码生成到细胞多模态信息整合
新闻发布会
2023年12月22日
东京大学
理化研究所
发表要点
通过计算设计，实现了从显微镜和DNA测序仪产生的大量分子细胞测量数据中识别特定对象的微小识别符材料。
通过经由实际数据模拟的Real2Sim2Real机器学习，提出了可以自由读取随机生成的微小识别符的新识别符设计法，并实际制作了识别符进行了实证。
使用该微小识别符材质生成的与各个细胞和分子相关联的大量多角度分析数据，以今后进展极为重要的多模态AI的开发为首，从基础研究到医药工程应用，有望得到广泛的利用。 用计算科学的方法制作识别符并读出
发布概述
东京大学尖端科学技术研究中心副教授太田祯生、油谷浩幸高级研究法罗、理化学研究所创新智能综合研究中心研究员河崎史子(研究当时)、三森隆广(研究当时)与东京大学研究生院信息理工学院研究科教授佐藤一诚、不列颠哥伦比亚大学的谷内江望教授共同开发了用计算论的方法设计可以在细胞尺度上使用的各种各样的光学识别符的手法。微小尺度的识别符在跨越时间和装置对微小世界的测量信息进行捆扎的用途中，被期待有各种各样的运用。 但是，在广阔的世界中，无法打印按照规则设计的条形码和二维码，难以大量且实用地制作微小且精密的识别符。 因此，在本研究中，“通过自下而上的随机生成方法，产生具有大量不同模式的微小尺度的识别符，通过事先使用模拟数据进行了训练的机器学习模型，可以自由地解码(注1 )”的逆转方法，并通过实验实现了这一点。
然后，实现了用于通过显微镜和基因组测序这两种不同的测量来识别该识别符的实验设计，实际上将其作为连接从多个1个细胞中获取的显微镜图像数据和基因序列数据的识别符进行了实证。 该识别符和机器学习方法有望对开发在混合存在大量1个细胞和分子的情况下随时间进行跟踪、越过装置进行多角度观测的工具有所帮助。
本研究成果在线刊登在国际杂志《高级光学材料》( 2023年12月20日)上。来自研究者的一句话
本研究首次证实了用于生命测量的小“光存储介质凝胶”这一新理念。 这也是从光学、化学、信息科学、材料工程等各个领域的研究者合作，愉快地持续进行智力挑战，克服困难实现的理念。 衷心感谢支持我的机构和大家。 本技术以合并细胞、分子数据为目标每天都在进化，目标是为AI开发、光学分析、生命医科学领域的进步做出贡献。 (太田祯生副教授)
发表内容
条形码和二维码是能够使用光可见的信息识别、跟踪特定对象的物流等不可缺少的识别符。 但是，为了追踪细胞和分子等微小尺度的物体，很难精致且大量地制作这样的识别符。 在本研究中，开发了用计算论的方法设计可以在微小尺度上使用的具有大量不同光学图案的微小识别符的方法。 该方法基于逆转的方法:“通过自下而上的随机生成方法，产生具有大量不同模式的微小尺度的识别符，通过事先使用模拟数据训练的机器学习模型自由解码。”
更具体地说，准备了数十种、数亿个颜色不同的微小珠子，将这些珠子的各种组合用作光学识别符。 在本方法中，使用从各个微小颗粒的显微镜图像中模拟合成的各种各样的颗粒组合图像，训练了基于神经网络的解码器。 并对实验合成的光学标识符应用了该训练的网络，确认了其可以正确解码(图1 )。
作为该技术的实证案例，在本研究中，使用在微小尺度上控制流体行为的被称为微流体技术的方法，利用实物的微小颗粒制作了光学识别符，并添加到了细胞中。 通过解码光学识别符，显示可以识别显微镜图像中的各个细胞(图1红色箭头)。 该研究是一种“Real2Sim2Real (注2 )”的标识符设计方法。(1)将大量无法实际制作的带标签的教师数据通过模拟大量合成构建解码器，(2)将构建的解码器应用于实物光学标识符的分析。 |
|
|
图1 :本研究的理念
此外，本研究运用化学生物学的方法，使光学识别符所具有的识别信息也能被称为序列的分子测量装置读取。 具体来说，将具有与微珠荧光信号对应序列的DNA分子结合到微珠上，在显微镜观察中读取了荧光微珠的组合模式，在分子测量(序列)中读取了DNA序列的组合模式(图2 )。 使用这种新标识符的细胞识别法image-DNA dual barcoding ( id-coding ) (注3 )实现了用于通过显微镜和基因组测序这两种不同的测量进行识别的实验设计，实际上是从多个1个细胞中取得的 该识别符和机器学习方法有助于开发在混合存在大量1个细胞和分子的情况下随时间进行跟踪、或跨越装置进行多角度观测的工具。 这样的1细胞和分子的多角度测量技术有助于理解人体发生的生物学现象，期待今后进展重要的多模态AI (注4 )的开发得到重视。 另外，今后期待在包括疾病相关样品在内的各种样品中证实其实用性。
图2 :应用标识符设计方法的Image-DNA dual barcoding
发表者、研究者等信息
东京大学
尖端科学技术研究中心
太田祯生(副教授)
油谷浩幸(高级研究法罗)
研究生信息理工学院研究科
佐藤一诚(教授)
理化研究所
创新智能综合研究中心
河崎史子(研究当时:研究员)
现:该客座研究员，东京大学定量生命科学研究所助教
三森隆广(研究当时:研究员)
现:该客座研究员，早稻田大学理工学术院综合研究所次席研究员
森有加(研究当时:技官)
现:东京大学医科学研究所附属医院学术专业职员
不列颠哥伦比亚大学
谷内江望(教授)
兼:前沿科技研究中心客座教授
论文信息
杂志:
高级最佳材料( 12月20日)
标题:
computational design of synthetic optical barcode s in micro droplets
作者:
Fumiko Kawasaki、Takahiro Mimori、Yuka Mori、Hiroyuki Aburatani、Nozomu Yachie、Issei Sato*、Sadao Ota*
*责任作者
DOI :
10.1002/adom.202302564在单独窗口中打开
研究资助
本研究由科学技术振兴机构( JST ) CREST“通过多维网络化测量阐明细胞外微粒的多样性和动态(课题编号: JPMJCR19H1 )”、科研费“使用基因组编辑iPS细胞的超包罗性表现型分析法的开发(课题编号: JP21H04636 )”、“粘附
用语解说
(注1 )解码
本研究中，应从显微镜图像中确定识别符。
(注2 ) Real2Sim2Real
使在虚拟环境中开发的算法适应现实世界的过程和相应的技术被称为Sim2Real。 本研究开发了以在真实空间中获取的数据为起点进行模拟和学习的“Real2Sim2Real”方法，实现了随机识别符的解码。
(注3 ) image-DNA双备份( id-coding )
是本研究所开发的，是指赋予图像信息和DNA序列这两个不同测量中可以读取的识别符的方法。
(注4 )多模态AI
是指能够识别反映现实世界中存在的对象的不同侧面的多模式信息，能够统一把握对象，从不完全的测量信息中复原整体图像的AI技术。 通过显微镜图像、DNA测序数据等异构型同时测量技术，可以期待从多角度捕捉细胞信息的多模态AI技术的发展。
咨询处
东京大学尖端科学技术研究中心机器人生命光学领域
副教授太田祯生
