机器学习技术有助于识别癌细胞类型

美国国立卫生研究院，罗德岛医院COBRE癌症研究发展中心，罗德岛基金会医学研究基金，杰森和唐娜麦格劳韦斯ob欧宝直播nba

布朗大学的研究人员开发了一种新的图像分析技术，以区分与肿瘤进展相关的两种关键癌细胞类型。这种方法有助于癌症药物的临床前筛选，并揭示与更恶性和耐药癌症相关的细胞变态。

上皮-间质转化，简称EMT，是一个更温和的过程上皮细胞变得更有侵略性间充质细胞．间充质细胞数量较多的肿瘤往往更恶性，对药物治疗更有抵抗力。这项新技术将显微成像与机器学习算法相结合，以更好地识别和区分实验室样品中的两种细胞类型。

“我们知道这些不同类型的细胞在肿瘤中相互作用，治疗方法可以针对这些不同的细胞，”布朗大学病理生物学研究生项目的博士生苏珊·莱格特(Susan Leggett)说，她是一篇描述该技术的论文的主要作者。“我们已经开发出一种模型，可以自动、公正地挑选出这些细胞类型。我们认为这可以帮助我们更好地了解这些不同类型的细胞对药物治疗的反应。”

一篇发表在综合生物学．

一般来说，这两种细胞类型可以通过它们的形状来区分。上皮细胞在外观上更致密，而间充质细胞在整体外观和细胞核外观上都更细长。

“在最极端的情况下，区分这两者并不难，”布朗大学工程学助理教授、该研究的资深作者伊恩·y·黄(Ian Y. Wong)说。“但有时形状的差异是微妙的，人类很难识别这种差异，这使得对两者的分类有点武断。”这里的创新之处在于，我们可以训练计算机找出那些更细微的变化。”

这种训练是通过在培养皿中培养的上皮细胞系来完成的，这种细胞系可以作为人类乳腺癌的模型。研究人员激活了一种名为Snail的转录因子，众所周知，这种转录因子会导致这些细胞迅速经历一种极端形式的EMT。这些细胞在转换前后成像，作为训练集，教会算法区分两种细胞类型。

研究人员表明，经过训练，该算法能够进行分类单个细胞无论是上皮细胞还是间充质细胞，准确率超过92%。

然后，研究小组使用该算法分析了经历EMT的细胞集，这些细胞集的触发途径比训练集中使用的研究较少。他们用一种叫做tgf - β 1的化合物处理上皮细胞，这种化合物促进细胞快速生长，也被认为会诱发EMT。他们发现，与训练组相比，生长因子诱导EMT的速度更慢，细胞形状的变化也更微妙。尽管如此，该算法仍然能够以高度置信度对EMT后的细胞进行分类。

在第三个实验中，研究人员观察了用化疗药物紫杉醇治疗的上皮细胞。最近的研究表明，紫杉醇和其他药物，当以亚致死剂量给药时，可以在它们无法杀死的细胞中诱导EMT。这样，这些药物实际上可能会使肿瘤变得更耐药。

实验发现，虽然亚致死紫杉醇产生了一系列细胞形状，但其中70%以上的细胞可以被算法归类为间充质细胞。

这是一个初步的发现，需要更多的研究才能完全理解，王说。但它可以揭示肿瘤是如何对紫杉醇和其他药物产生抗药性的。

“耐药性的获得和随后的肿瘤复发仍然知之甚少，”Wong说。“这项工作表明，EMT可能是一种使肿瘤变得更具抵抗力的机制。”

随着更多的发展，研究人员认为他们的技术可以提供一种新的方法来筛选癌症药物的有效性。

Wong说:“当我们进行药物的初步实验室测试时，我们把细胞放在盘子上，使用药物，看看哪些细胞存活，哪些细胞死亡。”“这可以让我们更细致地了解这种药物的作用，并帮助我们了解亚致死剂量是否会让细胞产生耐药性。”

Wong说，这项研究的另一个有趣的结果是，虽然该算法对大多数细胞进行了高可信度的分类，但每个实验组中约有10%的细胞似乎无法分类。研究人员说，这可能表明一种介于上皮细胞和间充质细胞之间的中间细胞类型。

“人们想知道是否有可能不止两个细胞类型我很感兴趣，”黄说。“目前我们还不能确定，但我们可能会发现第三种类型。我们将在未来的工作中关注这一点。”

---

---