深度学习模型将局部细胞特征与斑马鱼的整个动物生长动态联系起来
Shang-Ru Yang1, Megan Liaw2, An-Chi Wei3,4
1Graduate Institute of Biomedical Electronics and Bioinformatics, National Taiwan University, Taipei, Taiwan.
Life science alliance
|May 21, 2025
概括
机器学习模型可以从皮肤细胞图像中预测斑马鱼幼虫的大小. 分析仅27个细胞可以准确估计身体大小,揭示了细胞特征与宏观生长之间的联系.
科学领域:
- 发育生物学是发展生物学.
- 计算生物学是一种计算生物学.
- 机器学习 机器学习
背景情况:
- 细胞行为和生物体的生长是相互关联的.
- 显微细胞特征与宏观体型之间的关系尚未完全理解.
- 研究生物生长的细胞水平预测因素至关重要.
研究的目的:
- 为了确定局部细胞特征是否与宏观动物体型相关.
- 开发一种深度学习模型,从细胞图像中预测生物体的大小.
- 为了确定预测身体大小的特定细胞特征.
主要方法:
- 利用722只斑马鱼幼虫的皮肤细胞图像和尺寸数据.
- 采用机器学习,特别是视觉转换器 (ViT) 模型.
- 实施随机裁剪和投票策略进行预测.
- 应用梯度加权类激活映射 (Grad-CAM) 用于特征识别.
主要成果:
- 视觉变压器模型实现了高预测性能 (F分数为0.91).
- 预测单个斑马鱼的大小可能只需要27个皮肤细胞 (0.01毫米2).
- 识别了影响大小预测的关键细胞特征,使用Grad-CAM.
结论:
- 宏观生物信息可以从微观细胞数据中预测.
- 深度学习提供了一种强大的方法,可以从细胞快照中解密生物特征.
- 这项研究为将细胞规模数据与整个生物体特征联系起来提供了概念验证.
