Nature Methods：胚胎发育缺陷的自动检测

　　康斯坦茨大学的研究人员发布了自动检测和分类动物发育缺陷的图像分析软件。多亏了人工智能，“EmbryoNet”在速度、准确性和灵敏度方面都超过了人类专家。

　　

复杂的多细胞生物只能从受精卵中产生，因为胚胎发育受到生物学上精确的调控。在这种情况下，通过信号通路的细胞通信起着至关重要的作用。如果这些信号通路的活动受到干扰，胚胎就会表现出特征性的发育缺陷。

在《自然方法》(Nature Methods)杂志上发表的一项新研究中，由康斯坦茨大学(University of Konstanz)发育生物学教授Patrick mller领导的研究人员现在展示了他们的免费软件EmbryoNet。自动图像分析软件检测和分类在鱼胚胎发育过程中发生的缺陷。这种分类可以用来推断这些胚胎中哪个信号通路受到了干扰。在高通量应用中，该软件的速度和准确性使研究成为可能，例如，药物如何工作的机制。

人工智能是关键组成部分，迄今为止，专家们需要对大量胚胎进行显微镜检查，以便在可见发育缺陷的基础上识别潜在的信号机制。这种耗时的方法冗长乏味，而且由于缺乏标准化，容易产生不同的、部分主观的评估。

Matvey Safroshkin是EmbryoNet和Hernán Morales-Naverrete的程序员之一，他报告说:“因此，我们采用了一种基于机器学习的方法，其中神经网络训练了超过200万张具有代表性的斑马鱼胚胎图像，可以进行客观分类。”除了要分类的图像数据外，EmbryoNet还考虑了胚胎发育的时间信息以及发育缺陷与相应信号通路之间的联系。

科学家们通过直接与人类进行比较来测试他们的软件的性能。任务是将以前未分类的斑马鱼胚胎图像与可能的发育缺陷进行匹配。与EmbryoNet竞争的不仅是发育生物学领域经验丰富的专家，还有作为本科实践课程一部分的学生群体。

“学生的数据被纳入了我们的研究，这很好地证明了当前的研究和大学教学是如何相互受益的，”研究结果表明，EmbryoNet可以可靠地识别斑马鱼中不同的信号突变体。此外，该软件比人类同行(包括专家)要快得多，甚至更敏感。

研究人员还证明，EmbryoNet不仅可以应用于斑马鱼(发育生物学中的一种流行模型)，还可以应用于其他脊椎动物物种。该研究的作者之一、发育生物学家Daniel apek解释说:“相对较少的努力，我们能够重新训练胚胎网来分类数亿年前从斑马鱼进化分离出来的其他物种。”因此，开源软件可以自由使用和修改，有可能加速不同物种发育突变的表征。

文章标题

Using deep learning to link embryonic phenotypes to signaling pathways