內(nèi)容一覽：20 世紀(jì)以來(lái)，干細(xì)胞與再生醫(yī)學(xué)技術(shù)一直是國(guó)際生物醫(yī)學(xué)領(lǐng)域的熱點(diǎn)前沿之一?，F(xiàn)如今，研究人員已開(kāi)始探索將干細(xì)胞轉(zhuǎn)變?yōu)樘囟愋图?xì)胞。然而，這一過(guò)程中干細(xì)胞會(huì)出現(xiàn)不規(guī)則生長(zhǎng)或自發(fā)分化為不同類型細(xì)胞的情況，因此，如何控制干細(xì)胞的生長(zhǎng)和分化成為研究人員面臨的挑戰(zhàn)之一。本文中，北京大學(xué)趙揚(yáng)課題組等研究員嘗試將機(jī)器學(xué)習(xí)應(yīng)用于多能干細(xì)胞分化過(guò)程中，并有效改善了這一情況，同時(shí)為再生醫(yī)學(xué)帶來(lái)了新的方向。

關(guān)鍵詞：多能干細(xì)胞 ? 圖像分析 機(jī)器學(xué)習(xí)

本文首發(fā)自 HyperAI 超神經(jīng)微信公眾平臺(tái)~

多能干細(xì)胞 (pluripotent stem cell, PSC) 是一類具有自我更新、自我復(fù)制能力的多潛能細(xì)胞，其可以體外無(wú)限增殖和分化成各種細(xì)胞類型，替代受損細(xì)胞，促進(jìn)受損組織功能恢復(fù)，為眼部疾病、心血管系統(tǒng)疾病及神經(jīng)系統(tǒng)疾病等領(lǐng)域治療帶來(lái)了新希望。

然而，目前多能干細(xì)胞定向分化過(guò)程會(huì)出現(xiàn)細(xì)胞系間 (line-to-line) 和批次間 (batch-to-batch) 分化不穩(wěn)定等問(wèn)題，從而使制備功能性細(xì)胞耗時(shí)而費(fèi)力，嚴(yán)重阻礙多能干細(xì)胞臨床應(yīng)用產(chǎn)品的研發(fā)及規(guī)?；圃?。因此，實(shí)現(xiàn)對(duì)多能干細(xì)胞分化過(guò)程的實(shí)時(shí)監(jiān)控顯得尤為重要。

近日，北京大學(xué)趙揚(yáng)課題組、張鈺課題組聯(lián)合北京交通大學(xué)劉一研課題組研發(fā)了一個(gè)基于活細(xì)胞明場(chǎng)動(dòng)態(tài)圖像和機(jī)器學(xué)習(xí)的分化系統(tǒng)，能夠?qū)崟r(shí)智能調(diào)節(jié)和優(yōu)化多能干細(xì)胞分化過(guò)程，實(shí)現(xiàn)對(duì)功能性細(xì)胞的高效、穩(wěn)定性生產(chǎn)。目前，該研究成果已發(fā)表在《Cell Discovery》期刊上，題目為《A live-cell image-based machine learning strategy for reducing variability in PSC differentiation systems》。

該研究成果已發(fā)表在《Cell Discovery》期刊上

論文地址：

https://www.nature.com/articles/s41421-023-00543-1

實(shí)驗(yàn)概述

目前，顯微技術(shù)可以對(duì)細(xì)胞進(jìn)行圖像采集，機(jī)器學(xué)習(xí)方法可以對(duì)細(xì)胞圖像進(jìn)行分析。因此，本研究利用機(jī)器學(xué)習(xí)??算法?對(duì)明場(chǎng)圖像中的細(xì)胞進(jìn)行識(shí)別和分類，以確定它們的譜系或細(xì)胞成分，幫助研究人員更好地理解細(xì)胞??結(jié)構(gòu)?和功能。

經(jīng)驗(yàn)證，本研究成果可有效優(yōu)化并且改進(jìn)多能干細(xì)胞向心肌細(xì)胞 (cardiomyocyte,? CM) 以及肝、腎嵌體細(xì)胞分化過(guò)程，整套研究方法及流程如下：

圖 1：機(jī)器學(xué)習(xí)優(yōu)化 PSC-to-CM

a：上半部分圖顯示，PSC 每個(gè)分化過(guò)程都存在變異性，下半部分圖顯示，機(jī)器學(xué)習(xí)應(yīng)用于上述分化過(guò)程中，有效減少了變異性。

b：使用小分子調(diào)節(jié)劑調(diào)控 canonical Wnt 信號(hào)通路的 PSC-to-CM 分化過(guò)程，綠色箭頭表示第一階段調(diào)節(jié) CHIR 的持續(xù)時(shí)間和濃度，彩色圓點(diǎn)表示機(jī)器學(xué)習(xí)的檢查點(diǎn)。

c：10 天時(shí)間內(nèi)，延遲明場(chǎng)圖像和 cTnT 熒光結(jié)果。

d：整個(gè)過(guò)程中，分化成功和失敗的細(xì)胞位置及形態(tài)。

e：成功分化細(xì)胞第 5 天到 12 天，紋理及形態(tài)變化。

f：分化效率的線對(duì)線變異性。

g：不同批次細(xì)胞分化變異性。

h：不同 CHIR 劑量，分化圖像局部特征變化。

實(shí)驗(yàn)過(guò)程

實(shí)驗(yàn)數(shù)據(jù)集?

研究人員以 PSC-to-CM 分化為主要示例，通過(guò)蔡司 Cell Discover 7 活細(xì)胞全自動(dòng)成像平臺(tái)，實(shí)時(shí)采集分化過(guò)程中的明場(chǎng)圖像，追蹤整個(gè)過(guò)程，如上圖 1b 所示。分化結(jié)束時(shí)，通過(guò) cTnT（一種心肌細(xì)胞的特異標(biāo)志物）熒光標(biāo)記識(shí)別成功分化的 CM。這個(gè)過(guò)程中，為了增加圖像多樣性，研究人員引入了幾個(gè)變量（不同 PSC、初始細(xì)胞密度、分化培養(yǎng)基、不同 CHIR 劑量），最終收集了超 720 萬(wàn)張圖像。

實(shí)驗(yàn)成果?

結(jié)合活細(xì)胞成像技術(shù)和機(jī)器學(xué)習(xí)，本實(shí)驗(yàn)獲得以下 4 點(diǎn)成果：

* 機(jī)器學(xué)習(xí)能準(zhǔn)確識(shí)別分化細(xì)胞狀態(tài)并預(yù)估分化效率。

研究人員發(fā)現(xiàn)在分化過(guò)程的第 6 天，最終能夠成功分化成 CM 的細(xì)胞，即 CPC（心臟祖細(xì)胞）開(kāi)始呈現(xiàn)紡錘型，因此，他們采用弱監(jiān)督模型識(shí)別了明場(chǎng)圖像中的此類細(xì)胞，并將其命名為「圖像識(shí)別心肌祖細(xì)胞（Image-Recognized CPC, IR-CPC) 。如下圖 2 所示，研究人員得出 IR-CPC 占總細(xì)胞比例與真實(shí)分化效率相關(guān)性達(dá) 88%。

圖 2：IR-CPC 比例與真實(shí)分化效率相關(guān)性

同時(shí)，研究人員采用 pix2pix 深度學(xué)習(xí)模型對(duì) CM 誘導(dǎo)階段（即分化第一階段）的明場(chǎng)圖像進(jìn)行預(yù)測(cè)，如下圖所示，預(yù)測(cè)分化效率與真實(shí)分化效率相關(guān)性達(dá) 93%。

圖 3：預(yù)測(cè)與真實(shí)分化效率相關(guān)性

以上實(shí)驗(yàn)表明，機(jī)器學(xué)習(xí)能夠識(shí)別分化不同階段的細(xì)胞狀態(tài)，并能對(duì)分化結(jié)果進(jìn)行實(shí)時(shí)預(yù)測(cè)。

* 機(jī)器學(xué)習(xí)能實(shí)時(shí)預(yù)測(cè)分化時(shí)間和誘導(dǎo)因子濃度。

分化過(guò)程中，研究人員發(fā)現(xiàn)在中胚層階段 (0-3 天)，誘導(dǎo)物 CHIR99021 (CHIR) 的劑量（濃度與處理時(shí)間）對(duì)分化效率影響較大。他們基于分化初期 (0-12h) 明場(chǎng)圖像中與 CHIR 有關(guān)特征構(gòu)建了一個(gè)邏輯??回歸?模型，用來(lái)預(yù)測(cè)孔中 CHIR 濃度（偏低、適中、偏高），如下圖所示，在選定 CHIR 處理時(shí)間為 24h 時(shí)，模型對(duì)每個(gè)孔（一種有多個(gè)小孔的實(shí)驗(yàn)室用品）濃度判斷準(zhǔn)確率達(dá) 93.1%。

圖 4：模型對(duì)孔內(nèi) CHIR 濃度預(yù)測(cè)

同時(shí)，研究人員將不同 CHIR 處理時(shí)間 (24h、36h 或 48h) 下模型的預(yù)測(cè)結(jié)果（即偏差分?jǐn)?shù)）進(jìn)行比較，可以得到最優(yōu) CHIR 處理時(shí)間。如下圖 5 所示，最優(yōu) CHIR 處理時(shí)間約為 12 小時(shí)（偏差分?jǐn)?shù)最?。４送?，如圖 6 所示，根據(jù)模型預(yù)測(cè)結(jié)果，還可以調(diào)整 CHIR 濃度，提高分化效率。

圖 5：模型預(yù)測(cè)最優(yōu) CHIR 處理時(shí)間

圖 6：調(diào)整、未調(diào)整 CHIR 濃度的分化結(jié)果

以上實(shí)驗(yàn)表明，機(jī)器學(xué)習(xí)能實(shí)現(xiàn)對(duì)誘導(dǎo)劑劑量的干預(yù)。

* 機(jī)器學(xué)習(xí)能實(shí)時(shí)判斷 PSC 起始分化的最佳狀態(tài)。

研究人員發(fā)現(xiàn)即使在 CHIR 濃度適量的情況下，也會(huì)出現(xiàn)分化失敗的細(xì)胞，他們提出這是由空間異質(zhì)性 (spatially variable differentiation) 造成的，即分化第 0 天處于 PSC 集落邊緣的細(xì)胞易成功，而位于 PSC 集落中心的細(xì)胞易失敗。

對(duì)此，研究人員建立了基于隨機(jī)森林的機(jī)器學(xué)習(xí)模型，用來(lái)識(shí)別分化成功率高的起始細(xì)胞圖像特征，模型結(jié)果表明，細(xì)胞面積中等、邊緣越長(zhǎng)且越坑洼的細(xì)胞容易分化成功，這與實(shí)際觀察一致?；谶@個(gè)模型，研究人員發(fā)現(xiàn)通過(guò)識(shí)別起始 PSC 狀態(tài)預(yù)測(cè)與真實(shí)分化效率的相關(guān)性達(dá) 76%，結(jié)果如下圖 7 所示。

據(jù)此，研究人員還通過(guò)人工干預(yù)、改變細(xì)胞的起始形態(tài)，有效將分化效率從 21.6% ± 2.7% 提升至 88.8% ± 10.5% 。

圖 7：識(shí)別細(xì)胞起始狀態(tài)與預(yù)測(cè)分化效率相關(guān)性

以上結(jié)果表明，機(jī)器學(xué)習(xí)能對(duì)對(duì) PSC 起始狀態(tài)進(jìn)行質(zhì)控。

* 機(jī)器學(xué)習(xí)能幫助篩選小分子化合物，提高分化穩(wěn)定性。

研究人員發(fā)現(xiàn) CHIR 濃度是影響分化的重要因素之一，因此他們嘗試開(kāi)展小分子篩選，用新的化合物抵消不恰當(dāng)?shù)?CHIR 濃度。如下圖所示，研究人員基于分化過(guò)程第 6 天的明場(chǎng)活細(xì)胞圖像和已建立的弱監(jiān)督模型，構(gòu)建了小分子篩選平臺(tái)，最終在 3,000 多個(gè)小分子中成功篩選出了 BI-1347 這一化合物。

圖 8：機(jī)器學(xué)習(xí)篩選小分子化合物過(guò)程

以上實(shí)驗(yàn)表明，基于機(jī)器學(xué)習(xí)模型，研究人員可以建立一個(gè)小分子篩選平臺(tái)，從而縮短篩選實(shí)驗(yàn)周期，降低篩選成本，并且通過(guò)這一技術(shù)篩選的小分子又拓寬了 CHIR 劑量范圍，從而整體提高了 PSC 分化過(guò)程穩(wěn)定性。

最后，為擴(kuò)展應(yīng)用場(chǎng)景，研究者將本研究成果應(yīng)用在腎祖細(xì)胞和肝細(xì)胞分化早期階段，同樣取得了準(zhǔn)確預(yù)測(cè)效果，可知，該研究成果能為多能干細(xì)胞分化過(guò)程提供實(shí)時(shí)指導(dǎo)。

細(xì)胞治療：或成生物醫(yī)藥新賽道

細(xì)胞治療是一種新興的療法，對(duì)眾多疾病（癌癥、遺傳疾?。┒颊宫F(xiàn)出良好的治療效果。其主要治療方式分為免疫細(xì)胞治療和干細(xì)胞治療，其中，干細(xì)胞憑借其多向分化、免疫調(diào)節(jié)以及分泌細(xì)胞因子等功能，成為該領(lǐng)域的核心研究方向之一。

目前看來(lái)，我國(guó)細(xì)胞治療領(lǐng)域發(fā)展較短，但未來(lái)前景卻十分廣闊。一方面，從數(shù)據(jù)上來(lái)看，未來(lái)十年或?qū)⒊蔀樵擃I(lǐng)域快速增長(zhǎng)期。據(jù)相關(guān)數(shù)據(jù)預(yù)計(jì)，我國(guó)細(xì)胞治療市場(chǎng)規(guī)模將由 2021 年的 13 億元，增長(zhǎng)至 2030 年的 584 億元，年均增速高達(dá) 53%。另有數(shù)據(jù)顯示，我國(guó)細(xì)胞和基因治療市場(chǎng)有望在 2025 年達(dá)到 25.9 億美元，以 276% 的復(fù)合增長(zhǎng)率增長(zhǎng)。

另一方面，各地政府也不斷出臺(tái)扶持、鼓勵(lì)該領(lǐng)域的相關(guān)政策。比如北京、上海、天津、深圳等地都在大力發(fā)展細(xì)胞治療產(chǎn)業(yè)。上海推出《上海市促進(jìn)細(xì)胞治療科技創(chuàng)新與產(chǎn)業(yè)發(fā)展行動(dòng)方案（2022—2024 年）》，提出力爭(zhēng)到 2024 年上海細(xì)胞治療產(chǎn)業(yè)規(guī)模達(dá)到 100 億元。去年，深圳接連發(fā)布扶持生物醫(yī)藥產(chǎn)業(yè)發(fā)展的文件，將重點(diǎn)支持包括細(xì)胞治療藥物在內(nèi)的產(chǎn)業(yè)集群高質(zhì)量發(fā)展。

數(shù)據(jù)集及代碼地址：

https://GitHub.com/zhaoyanglab/ML-for-psc-differentiation

參考鏈接：

[1]https://www.thepaper.cn/newsDetail_forward_23417694

[2]http://www.cls.edu.cn/Research/Research_Achievements6067.shtml

[3]https://stcsm.sh.gov.cn/zwgk/ghjh/20221104/f7b02ab5db40439e8d93f15b9dd206da.html

[4]http://legacy.frostchina.com/wp-content/uploads/2021/11/20211116-2.pdf

—— 完 ——

本文首發(fā)自 HyperAI 超神經(jīng)微信公眾平臺(tái)~