類器官（Organoids）是模擬器官結(jié)構(gòu)和功能的微型且簡(jiǎn)化的體外模型系統(tǒng)，由于其在疾病建模、藥物篩選、個(gè)性化醫(yī)療方面的前景，引起了人們廣泛的興趣。盡管在培養(yǎng)多種類器官fang面取得了實(shí)質(zhì)性成功，但組裝的復(fù)雜性和數(shù)據(jù)分析的困難仍然是挑戰(zhàn)。將人工智能（AI）引入到類器官研究的中，通過提供新的方法和解讀角度，有可能加快類器官的開發(fā)和臨床應(yīng)用。
上海交通大學(xué)附屬新華醫(yī)院團(tuán)隊(duì)對(duì)AI輔助的類器官做了詳細(xì)的報(bào)道，描述了AI輔助的類器官基本概念和機(jī)制，總結(jié)了其在構(gòu)建體系的快速篩選、多維度圖像特征的高性價(jià)比獲取、多組學(xué)數(shù)據(jù)的簡(jiǎn)化分析和精確的臨床前評(píng)估和應(yīng)用方面的前瞻性研究。還探討了將類器官與AI接口的挑戰(zhàn)和限制，及未來發(fā)展方向。綜上所述，運(yùn)用AI的類器官極大推動(dòng)了人類對(duì)器官發(fā)育和疾病進(jìn)展的了解。"類器官"一詞于1907年提出。直到2009年，Hans Clevers教授及其團(tuán)隊(duì)培養(yǎng)了第一個(gè)腸道類器官，使得該領(lǐng)域得到了關(guān)注。在過去十年中，人們不斷進(jìn)入重大的里程碑事件。2011年，腸道和視網(wǎng)膜類器官首ci從干細(xì)胞中培養(yǎng)出來。隨后，從人多能干細(xì)胞中發(fā)展出視網(wǎng)膜類器官。2013年，腦、肝、腎和胰腺類器官成功生長(zhǎng)。2014年進(jìn)入前列腺和肺類器官，2015年進(jìn)入乳腺、輸卵管和海馬類器官。2020年，蛇毒腺類器官成功培養(yǎng)。
由于在結(jié)構(gòu)和功能上對(duì)真實(shí)器官的高度精確模仿，類器官在理解人體組織和器官的復(fù)雜功能以及臨床前疾病治療方面具有巨大的潛力。它們的用途從高通量藥物篩選到復(fù)雜的疾病建模，有些甚至達(dá)到了臨床轉(zhuǎn)化階段。類器官與免疫細(xì)胞共培養(yǎng)來模擬復(fù)雜的腫瘤微環(huán)境，從而促進(jìn)了我們對(duì)癌癥的理解。類器官還可以作為藥物發(fā)現(xiàn)平臺(tái)，評(píng)估新治療藥物的療效和毒性。例如，肝類器官可用于研究藥物的代謝，并為藥物開發(fā)確定新的靶點(diǎn)。在再生醫(yī)學(xué)領(lǐng)域，類器官提供了創(chuàng)造適合移植和其他治療應(yīng)用的功能組織的潛力。此外，它們有助于研究人類發(fā)育生物學(xué)，為各種疾病的潛在機(jī)制提供寶貴的見解。例如，腦類器官可用于研究人類大腦的發(fā)育和神經(jīng)系統(tǒng)疾病的潛在機(jī)制。
類器官提供了前所wei有的機(jī)會(huì)來促進(jìn)人類對(duì)生物學(xué)和疾病的了解。然而可知，類器官是一個(gè)及其復(fù)雜的體系和過程，它受到從構(gòu)建，到數(shù)據(jù)分析，到倫理和經(jīng)濟(jì)的一系列挑戰(zhàn)的阻礙。人類需要系統(tǒng)地解決這些挑戰(zhàn)，以釋放類器官技術(shù)的全部潛力。人工智能（AI）起源于計(jì)算機(jī)科學(xué)，旨在模仿人類的認(rèn)知功能，如視覺感知和決策。它是一個(gè)跨學(xué)科的領(lǐng)域，整合了計(jì)算機(jī)科學(xué)、數(shù)學(xué)和心理學(xué)等。近年來的里程碑事件包括AlphaGo、AlphaFold和ChatGPT。此外，大數(shù)據(jù)的興起使得在大量數(shù)據(jù)上訓(xùn)練人工智能算法成為可能，從而提高了各種任務(wù)的性能。今天，AI正在廣泛的領(lǐng)域得到應(yīng)用，其未來應(yīng)用的潛力只受我們想象力的限制。機(jī)器學(xué)習(xí)是AI的一個(gè)子集，它采用算法從數(shù)據(jù)中迭代學(xué)習(xí)，從而實(shí)現(xiàn)決策和預(yù)測(cè)的自動(dòng)化。有三種常見的機(jī)器學(xué)習(xí)類型，用以解決不同的問題。①監(jiān)督學(xué)習(xí)：利用標(biāo)記數(shù)據(jù)來訓(xùn)練預(yù)測(cè)任務(wù)的算法。常用的算法包括線性回歸和邏輯回歸，以及決策樹。②無(wú)監(jiān)督學(xué)習(xí)：對(duì)未標(biāo)記的數(shù)據(jù)進(jìn)行操作，以發(fā)現(xiàn)內(nèi)在模式。它通常用于聚類和降維，使用k-means和主成分分析等算法。③強(qiáng)化學(xué)習(xí)：包括通過環(huán)境相互作用學(xué)習(xí)算法，旨在隨著時(shí)間的推移最da化獎(jiǎng)勵(lì)。它通常應(yīng)用于機(jī)器人和控制系統(tǒng)。以及一些常用的機(jī)器學(xué)習(xí)模型，這些模型有其應(yīng)用方向和強(qiáng)大之處。⑤循環(huán)神經(jīng)網(wǎng)絡(luò)(RNNs)⑥卷積神經(jīng)網(wǎng)絡(luò)(CNNs)⑦圖神經(jīng)網(wǎng)絡(luò)(GNNs)
機(jī)器學(xué)習(xí)
四、AI在類器官系統(tǒng)用的應(yīng)用1、類器官構(gòu)建體系的快速篩選：快速篩選構(gòu)建體系，確定最佳實(shí)驗(yàn)設(shè)計(jì)和實(shí)施策略的有效工具。2、多維度圖像特征的高性價(jià)比獲?。赫宫F(xiàn)使我們能夠從無(wú)數(shù)的觀點(diǎn)和層次上解剖和理解類器官的結(jié)構(gòu)和功能3、對(duì)多組學(xué)數(shù)據(jù)的簡(jiǎn)化分析：有助于在基因表達(dá)、蛋白質(zhì)組學(xué)和代謝組學(xué)等眾多方面掌握類器官的復(fù)雜性4、精確的臨床前評(píng)估和應(yīng)用：為預(yù)測(cè)人工智能在現(xiàn)實(shí)世界臨床環(huán)境中的表現(xiàn)和影響提供了關(guān)鍵的解讀。
AI輔助的類器官機(jī)器學(xué)習(xí)算法可以通過分析大量數(shù)據(jù)，確定最有xiao的方法，包括基質(zhì)凝膠的類型，識(shí)別基質(zhì)凝膠的空間結(jié)構(gòu)，微調(diào)細(xì)胞培養(yǎng)條件，識(shí)別活性誘導(dǎo)因素，評(píng)估外部刺激。這些都可能是類器官形成的關(guān)鍵因素。
實(shí)驗(yàn)體系篩選的機(jī)器學(xué)習(xí)
如前所述，基質(zhì)凝膠材料的參與是構(gòu)建類器官的必要條件，這些材料的形態(tài)分析對(duì)其生物性能至關(guān)重要。傳統(tǒng)的方法通常需要人工識(shí)別和處理，這可能容易出錯(cuò)，效率低下，而且很主觀，因此，需要引入AI?？蓮倪@幾個(gè)生物學(xué)維度進(jìn)行機(jī)器學(xué)習(xí)訓(xùn)練：形態(tài)學(xué)尺度圖像分析、細(xì)胞尺度圖像分析、類器官尺度的圖像分析、組織尺度的圖像分析。
形態(tài)學(xué)和細(xì)胞尺度分析的機(jī)器學(xué)習(xí)類器官尺度分析的機(jī)器學(xué)習(xí)
組織尺度分析的機(jī)器學(xué)習(xí)七、類器官的AI多組學(xué)數(shù)據(jù)分析類器官研究的另一個(gè)挑戰(zhàn)是在評(píng)估過程中分析高通量多組學(xué)數(shù)據(jù)。多組學(xué)數(shù)據(jù)的分析，包括基因組學(xué)、轉(zhuǎn)錄組學(xué)、表觀基因組學(xué)、蛋白質(zhì)組學(xué)和單細(xì)胞組學(xué)，由于數(shù)據(jù)量大且復(fù)雜，是一項(xiàng)較為艱巨的任務(wù)。為此，有團(tuán)隊(duì)推出UniedNet，這是一個(gè)可解釋的多任務(wù)深度神經(jīng)網(wǎng)絡(luò)，旨在合并各種任務(wù)，以評(píng)估單細(xì)胞多模態(tài)數(shù)據(jù)。最近的另一篇文章介紹了devCellPy，這是一種機(jī)器學(xué)習(xí)支持的工作流程，用于自動(dòng)標(biāo)記復(fù)雜的多層單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)，有助于在復(fù)雜的層次結(jié)構(gòu)中自動(dòng)識(shí)別細(xì)胞類型。
多組學(xué)數(shù)據(jù)分析的機(jī)器學(xué)習(xí)
八、AI類器官的精準(zhǔn)臨床前評(píng)估與應(yīng)用AI還可用于類器官研究的臨床前評(píng)估和應(yīng)用階段。預(yù)測(cè)模型和優(yōu)化算法可用于評(píng)估類器官干預(yù)發(fā)展的機(jī)制，篩選潛在藥物，構(gòu)建體外疾病模型，提高該階段的效率和效果，對(duì)于彌合基礎(chǔ)研究和臨床應(yīng)用之間的差距至關(guān)重要。具體應(yīng)用涵蓋發(fā)育生物學(xué)、生物樣本庫(kù)、藥物篩選、疾病模型。
機(jī)器學(xué)習(xí)促進(jìn)精準(zhǔn)的類器官臨床前評(píng)估和應(yīng)用類器官的成功構(gòu)建和穩(wěn)定培養(yǎng)至關(guān)重要。AI技術(shù)，特別是機(jī)器學(xué)習(xí)算法，為優(yōu)化類器官結(jié)構(gòu)和培養(yǎng)方法提供了廣闊前景。具體來說，AI可以優(yōu)化具有最佳性能的基質(zhì)凝膠設(shè)計(jì)，通過圖像分析實(shí)現(xiàn)質(zhì)量控制自動(dòng)化，并動(dòng)態(tài)監(jiān)測(cè)培養(yǎng)條件。它還可以分析高通量組學(xué)數(shù)據(jù)，反饋各種功能信息和結(jié)構(gòu)參數(shù)。AI幫助構(gòu)建更有效和更高質(zhì)量的類器官，從而加速?gòu)膶?shí)驗(yàn)室研究到臨床應(yīng)用的過渡。但為了充分實(shí)現(xiàn)AI輔助的類器官的巨大潛力，仍需要克服很多重大的挑戰(zhàn)和限制。
手機(jī)版
化工儀器網(wǎng)手機(jī)版
化工儀器網(wǎng)小程序
官方微信
公眾號(hào)：chem17
掃碼關(guān)注視頻號(hào)
采購(gòu)中心