Deepcell 發(fā)布首個(gè)單細胞形態(tài)學(xué)數據集

AI 模型被稱(chēng)為人類(lèi)基礎模型 (Human Foundation Model，HFM)，已根據數百萬(wàn)個(gè)細胞圖像進(jìn)行訓練，使科學(xué)家能夠在****假設方法中輕松地從未標記的細胞中生成已知和新穎形態(tài)特征的高維讀數。該軟件套件還允許創(chuàng )建自定義細胞分類(lèi)和識別形態(tài)相似的細胞群，以對活細胞進(jìn)行分類(lèi)，從而實(shí)現下游分子或功能分析。
「形態(tài)變化，即使在一個(gè)樣本中，也高得驚人且細微差別。沒(méi)有任何預定的功能或類(lèi)列表具有足夠的描述性來(lái)捕獲這些豐富的信息。我們相信，我們的基礎模型和自我監督學(xué)習方法在研究細胞形態(tài)方面具有無(wú)與倫比的優(yōu)勢?！笵eepcell 總裁、首席技術(shù)官兼聯(lián)合創(chuàng )始人 Mahyar Salek 說(shuō)。
Deepcell 的數據發(fā)布將幫助研究界可視化 Deepcell 平臺上生成的高維單細胞形態(tài)數據。到目前為止，高含量形態(tài)學(xué)數據僅限于復用許多已知標記或用于 AI 解釋的復雜訓練方案。Deepcell 的高維形態(tài)現在很容易獲得，可用于多種樣品類(lèi)型的發(fā)現，如細胞系、初級體液和分離組織樣品，以及跨應用，包括復雜樣品的表征、細胞圖譜、細胞和基因治療開(kāi)發(fā)、功能篩選、癌癥生物學(xué)和干細胞研究等。
「我們發(fā)布的這三個(gè)開(kāi)創(chuàng )性數據集使科學(xué)家能夠探索細胞生物學(xué)中一種全新的分析物。研究人員可以提出新的問(wèn)題，以豐富他們對細胞生物學(xué)的理解并推動(dòng)新發(fā)現，」Deepcell 首席商務(wù)官 Marc Montserrat 說(shuō)?！窪eepcell 正在通過(guò)提取可與其他數據結合用于泛組學(xué)方法的可操作數據，在單細胞分析中建立創(chuàng )新方法?！?/span>
這第一組數據發(fā)布展示了該技術(shù)如何以無(wú)標記的方式表征異質(zhì)樣本中的不同細胞類(lèi)型，并允許用戶(hù)分析難以用分子標記識別的特定目標細胞群。具體來(lái)說(shuō)，三個(gè)人類(lèi)癌癥數據集可供探索。
在第一個(gè)數據集中，Deepcell 平臺被用于人類(lèi)黑色素瘤細胞系和原發(fā)性腫瘤樣本的混合物，以?xún)H使用形態(tài)學(xué)的無(wú)標記方式識別腫瘤、免疫和基質(zhì)細胞群。然后在 Deepcell 軟件套件中選擇來(lái)自該數據集的黑色素瘤腫瘤細胞群數據，并使用自定義 UMAP 重新投影，以獲得對該形態(tài)不同的亞群的額外分辨率，從而創(chuàng )建第二個(gè)數據集。這揭示了這些細胞內基于細微形態(tài)差異（包括色素沉著(zhù)）的異質(zhì)性，使用傳統方法很難識別這些差異。在最終數據集中，使用 Deepcell 無(wú)標記技術(shù)從各種人類(lèi)游離腫瘤細胞 (DTC) 樣本中探索肺腫瘤微環(huán)境中免疫細胞群的形態(tài)多樣性。
Deepcell 新發(fā)布的數據集訪(fǎng)問(wèn)地址：https://exploredata.deepcell.com/register