Deepcell 發(fā)布首個單細胞形態(tài)學(xué)數(shù)據(jù)集

AI 模型被稱為人類基礎(chǔ)模型 (Human Foundation Model，HFM)，已根據(jù)數(shù)百萬個細胞圖像進行訓(xùn)練，使科學(xué)家能夠在****假設(shè)方法中輕松地從未標(biāo)記的細胞中生成已知和新穎形態(tài)特征的高維讀數(shù)。該軟件套件還允許創(chuàng)建自定義細胞分類和識別形態(tài)相似的細胞群，以對活細胞進行分類，從而實現(xiàn)下游分子或功能分析。
「形態(tài)變化，即使在一個樣本中，也高得驚人且細微差別。沒有任何預(yù)定的功能或類列表具有足夠的描述性來捕獲這些豐富的信息。我們相信，我們的基礎(chǔ)模型和自我監(jiān)督學(xué)習(xí)方法在研究細胞形態(tài)方面具有無與倫比的優(yōu)勢?！笵eepcell 總裁、首席技術(shù)官兼聯(lián)合創(chuàng)始人 Mahyar Salek 說。
Deepcell 的數(shù)據(jù)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(shù)據(jù)。到目前為止，高含量形態(tài)學(xué)數(shù)據(jù)僅限于復(fù)用許多已知標(biāo)記或用于 AI 解釋的復(fù)雜訓(xùn)練方案。Deepcell 的高維形態(tài)現(xiàn)在很容易獲得，可用于多種樣品類型的發(fā)現(xiàn)，如細胞系、初級體液和分離組織樣品，以及跨應(yīng)用，包括復(fù)雜樣品的表征、細胞圖譜、細胞和基因治療開發(fā)、功能篩選、癌癥生物學(xué)和干細胞研究等。
「我們發(fā)布的這三個開創(chuàng)性數(shù)據(jù)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題，以豐富他們對細胞生物學(xué)的理解并推動新發(fā)現(xiàn)，」Deepcell 首席商務(wù)官 Marc Montserrat 說?！窪eepcell 正在通過提取可與其他數(shù)據(jù)結(jié)合用于泛組學(xué)方法的可操作數(shù)據(jù)，在單細胞分析中建立創(chuàng)新方法?！?/span>
這第一組數(shù)據(jù)發(fā)布展示了該技術(shù)如何以無標(biāo)記的方式表征異質(zhì)樣本中的不同細胞類型，并允許用戶分析難以用分子標(biāo)記識別的特定目標(biāo)細胞群。具體來說，三個人類癌癥數(shù)據(jù)集可供探索。
在第一個數(shù)據(jù)集中，Deepcell 平臺被用于人類黑色素瘤細胞系和原發(fā)性腫瘤樣本的混合物，以僅使用形態(tài)學(xué)的無標(biāo)記方式識別腫瘤、免疫和基質(zhì)細胞群。然后在 Deepcell 軟件套件中選擇來自該數(shù)據(jù)集的黑色素瘤腫瘤細胞群數(shù)據(jù)，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)建第二個數(shù)據(jù)集。這揭示了這些細胞內(nèi)基于細微形態(tài)差異（包括色素沉著）的異質(zhì)性，使用傳統(tǒng)方法很難識別這些差異。在最終數(shù)據(jù)集中，使用 Deepcell 無標(biāo)記技術(shù)從各種人類游離腫瘤細胞 (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(shù)據(jù)集訪問地址：https://exploredata.deepcell.com/register