SciRep：科学家开发出新型算法或有望预防对癌细胞的错误识别！

2020年12月17日 讯 /生物谷BIOON/ --近日，一项刊登在国际杂志Scientific Reports上题为“Towards image-based cancer cell lines authentication using deep neural networks”的研究报告中，来自肯特大学等机构的科学家们通过研究开发出了一种新型的计算机算法，其或能基于显微成像的技术来识别癌细胞系的差异。

癌细胞系是一种在实验室中离体且能够以细胞培养物作为营养物质生长的特殊细胞类型，其能被研究人员用来研究并开发新型抗癌药物；然而许多细胞系在于其它细胞系交换或被污染后会被错误地识别，这就意味着许多研究人员可能使用了错误的细胞来进行研究测试。自从科学家们对癌细胞系研究开始以来，这或许一直是一个持久的问题，短串联重复序列（STR，short tandem repeat）分析常被用来识别癌细胞系，但这种分析较为昂贵且比较耗时；此外，STR并不能用来区分来自同一个个体或动物机体的细胞。

图片来源：Pixabay/CC0 Public Domain

这项研究中，基于对来自大量细胞系的显微成像且利用计算机模型来进行深度学习，科学家们通过使用一段时间内对大量癌细胞数据的比较分析结果来训练计算机模型。基于此，他们开发出了一种新型算法，其能允许计算机对细胞系的单独显微数字图像进行分析，并准确识别和标记这些图像。这一研究突破或有望为研究人员提供一种易于使用的工具，从而在没有专业人员和设备的情况下，在实验室中快速识别并分析所有的细胞系。

研究者表示，我们的研究结果已经证明了在实验室和癌症研究中潜在实施的巨大成果，利用这种新型算法将会产生进一步的结果并有望改变科学研究中关于细胞识别的方法和方式，并能让科学家们有更好的机会来准确识别细胞，以减少癌症研究中错误的发生并潜在挽救患者的生命。此外，研究者指出，利用这种新型的计算机模型还能够精确地分配用于正确识别细胞系的标准，这就意味着未来研究人员接受准确识别细胞的训练的能力或有望得到进一步加强。（生物谷Bioon.com）

原始出处：

Mzurikwao, D., Khan, M.U., Samuel, O.W. et al. Towards image-based cancer cell lines authentication using deep neural networks. Sci Rep 10, 19857 (2020).doi：10.1038/s41598-020-76670-6