AI 正在制作一本人类细胞的百科全书。
我们对人类细胞的结构了解，大部分来自生物课本：细胞膜里包着圆圆的细胞核，旁边散落着中心体、粒线体、溶体等。
但科学家表示，细胞结构根本不是这么简单。
它的构成远比显微镜下的紫色洋葱复杂，每个部分彼此之间都有着联系。弄清楚这一切，对医生诊断及疾病机制研究非常有好处。
50 个来自细胞科学研究中心 Allen Institute 的细胞生物学家、显微专家和电脑工程师，最近公布了人类细胞研究工具 Allen Integrated Cell。
过去两年里，科学家用基因工程改造细胞样本，用萤光标记它们的内部结构（比如粒线体）。随后他们将超过 6,000 张发光细胞的照片供给人工智能算法学习，建立出 3D 模型。
现在，除了数据库内的 3.2 万个细胞种类构成清晰可见，这个智慧工具还可以预测一个未知细胞的内部运作。
这个细胞工具专注于人体干细胞。
Allen Institute 的科学家 Greg Johnson 认为，了解健康细胞的内部运作对癌症的发现和治疗非常有用。这意味着医生可从癌细胞“回到过去”，观察比较细胞发生了什么变化。
Allen Institute 所长 Rick Horwitz 也认为，细胞的演变过程比静态形态更重要。
即使你知道所有球员的统计资料，但从未看过比赛，你也无法预测足球比赛的结果。
他表示，这个工具可能会意外加速干细胞研究、癌症研究和药物开发。
光学显微镜是最传统的细胞观察方法。虽然成本低也操作简单，但结果往往让人沮丧。你能看到黑白清晰的轮廓，里面有很多小物体四处移动，做着各种神秘的事。但你没法知道它在做什么，细节的缺失让人一知半解。
而基因改变、特殊染料或强光照射等技术往往会改变或损害细胞本身，不利长时间观察。而且，这些技术还仰赖昂贵的设备，在一些实验室难以达成。
这些都是必须收集图像，让人工智能建立 3D 模型的原因所在。
▲ Allen Integrated Cell 查看页面。
现在用 Allen Integrated Cell，你只需要提供一张显微镜下的细胞图，人工智能就能还原它的内部组成。这种方式不会丢失细节，也不至于让成本高得吓人。
负责化验研发团队的 Susanne Rafelski 说：
就像你只有一些车轮照，它也能从有限的资讯预测汽车的品牌和型号。
当只有模糊描述时，只要提供 Allen Integrated Cell 细胞大小、形状和细胞核的位置，人工智能也可以提出几个不同方案，尝试猜测还原整个细胞的结构和形态。
▲ Allen Integrated Cell 人工智能的两种模式，一种根据图像还原，另一种则是模糊猜测。
Fred Hutchinson 癌症研究中心的研究员 Roger Brent 已经试用了几个月。在他看来，这个工具对全世界的研究人员都有帮助，包括在不太富裕的地区。
Allen Institute 科学家表示，未来他们将随着干细胞的成长过程来扩展研究对象，比如心肌细胞和肾脏细胞。他们相信，这能进一步帮助生物学家和医生理解某些疾病的发展。
Brent 对这个工具的未来非常有信心。他认为 10 年后，手机将变得够强大可承载这个工具。这可能意味着，即使在发展中国家，一个小小的实验室也可以从癌症细胞内部来判断病情，选择最佳的治疗方法。
（本文由 爱范儿 授权转载；首图来源：shutterstock）
