原位测序使人体组织内的基因活动能够在显微镜图像中被描绘出来。为了便于解释产生的大量信息，乌普萨拉大学的研究人员现在开发了一种全新的图像分析方法。基于人工智能中使用的算法，该方法最初是为了增强对社交网络的理解而设计的。研究人员的研究发表在FEBS杂志上。

构成我们器官的组织由数万亿个具有各种功能的细胞组成。一个人的所有细胞的细胞核中都含有相同的基因（DNA）。基因的表达是通过信使核糖核酸（mRNA）来实现的，信使核糖核酸将信息从细胞核传递到细胞的其余部分，从而指导其活动。因此，mRNA的组合决定了每个细胞的功能和特性。

RNA转录本可以通过原位测序获得。支持这项新研究的研究人员此前曾参与开发这种方法，即在组织的显微镜图像中显示数百万个检测到的mRNA序列。问题是，区分所有重要的细节可能很困难。这就是基于人工智能的新方法可能有用的地方，因为它可以无监督地检测细胞类型，以及检测单个细胞内的功能和细胞间的相互作用。

“我们正在使用最新的人工智能方法，特别是图形神经网络，用来分析社会网络；并调整它们来理解生物模式和组织样本的连续变化。乌普萨拉大学信息技术系定量显微镜学教授卡罗琳娜•沃尔比（Carolina Wählby）说：“这些细胞可与社交群体相媲美，这些群体可以根据他们在Twitter等社交网络中共享的活动、分享谷歌搜索结果或电视推荐进行定义。”

早期对这类数据的分析方法依赖于预先知道组织中包含哪些细胞类型，并确定其中的细胞核。传统的方法被称为“单细胞分析”，它可能会丢失一些mRNA和某些细胞类型。即使使用先进的自动图像分析技术，如果细胞密集地聚集在一起，通常也很难找到不同的细胞核。

“通过我们的分析，我们称之为‘spage2vec’，我们现在可以得到相应的结果，而不必事先知道预期的单元类型。更重要的是，我们可以在组织中发现新的细胞类型和细胞内或细胞间的功能，”Wählby说。

该研究小组目前正在进一步研究其分析方法，研究心脏早期发育过程中不同类型细胞的分化和组织。这是纯粹的基础研究，旨在提供更多关于控制发展的机制的知识，无论是在一切正常运转时还是在疾病出现时。在另一个与癌症研究人员合作的项目中，乌普萨拉研究小组希望能够应用新方法，更好地了解肿瘤组织如何在分子水平上与周围健康组织相互作用。其目的是，从长远来看，这将最终形成更好的治疗方法，以适应不同的患者。

参考文献：G. Partel, C. Wählby, "Spage2vec: Unsupervised representation of localized spatial gene expression signatures", The FEBS Journal. DOI: 10.1111/febs.15572。