分类
芝加哥大学新闻

3-D imaging, AI reveal stories hidden in shells

沙滩上常见的蛤壳,其错综复杂的曲线和斑纹说明了一个丰富的故事。几个世纪以来,生物学家收集、绘制、测量和比较了双壳类动物的外壳,寻求环境和行为如何塑造生物多样性的知识。

现在,芝加哥大学的科学家们正将高分辨率三维成像技术与新的几何深度学习方法结合起来,以揭示隐藏在贝壳中的故事的完整版本。

近四十年来,大卫·雅布隆斯基教授一直是研究海洋生物进化和灭绝动力学的先驱。但在过去的两年里,他的研究小组已经进入了三维空间,他们使用校园微型ct扫描仪,从蛤蚌、牡蛎、贻贝和世界各地的科学家和博物馆收藏的双壳类动物的其他成员身上,创建了超过3000个贝壳的三维图像。

这个不断增长的数据库由芝加哥大学数据与计算中心(Center for Data and Computing)的一项种子拨款资助,它将让科学家们对物种之间和物种内部的生物多样性以及气候变化可能如何影响具有生态、经济和饮食重要性的生物体的生存、分布和形状提出更深入的问题。但是,要充分发挥新数据的潜力,就需要采用新颖和先进的技术来测量、分析和比较壳体的特性。

双壳层的三维图像。

“所有这些的挑战是,如何定量地捕捉这些形态,让我们对形态在时间和空间中的分布有一些具体的了解,”地球物理科学系的威廉r凯南(William R. Kenan Jr.)杰出服务教授贾布隆斯基(Jablonski)说。“你可以想象,很难严格地把这些三维壳层相互比较。”

将几何学注入深度学习网络

这种需求促成了与芝加哥大学统计系威廉h克鲁斯卡尔(William H. Kruskal)讲师高定然(Tingran Gao)的合作。高的研究工作重点是学习和理解高维数据集的几何和拓扑结构,特别是那些源于社会科学和自然科学的数据集。最近,Gao开发了几何学习框架来分析复杂生物表面的三维扫描,比如灵长类动物的骨骼和牙齿。shell数据库提供了一个独特的机会,可以在新的生物学环境中调整和扩展这一行的工作,并推动几何深度学习的边界,开发新的方法来处理新出现的计算和统计挑战。


高说:“这些贝壳有许多灵长类动物形状数据中不存在的几何特征,它们往往更光滑,相对更容易处理。”“与骨头或牙齿不同,贝壳不被软组织覆盖;相反,它们直接暴露在外部环境中,从而编码更多的生态信息。它们弯曲的外表面往往覆盖着特征几何图案和纹理,这是应用和计算谐波分析研究的中心对象。

深度学习(Deep learning)是一种利用神经网络算法的机器学习方法,它在解决这些挑战方面具有若干优势。最近计算机视觉的进步表明,深度学习擅长理解高维数据和复杂结构。深度学习可以从数学上提取最相关的特征,从而提炼出丰富的形态学差异信息,更广泛地说,还可以提取出生物多样性的本质,而不是传统的选择贝壳的物理特征来进行测量和比较。

Freneixicardia victor (Angas 1872)的3d图像。

旧的知识,新的知识

贾布隆斯基说,理想的最终结果将是一个训练有素的模型,使研究人员能够探究驱动生物多样性的隐形机制,通过重新分析化石标本来追踪进化的路径,并对双壳类物种的未来做出预测。例如,科学家可以研究双壳类动物的生物权衡,是在更坚硬、更精细的外壳上进行投资,还是在外壳内培育软组织,以及这种平衡如何受到不同环境或生活方式的影响。


贾布隆斯基说:“我们想问的是,这些旋钮在面对不同的气候区或捕食强度时,是如何被生物体控制的,或者就此而言,这些旋钮在经济上重要的血统和不重要的血统之间是如何变化的。”“表面纹理和生态之间的联系从来就没有被人研究过,因为从来没有人真正能够以一种严格的、可重现的方式对存在的大量表面结构进行量化。”

Image and mesh data from the project, collected and analyzed in collaboration with postdoctoral researchers Katie Collins and Stewart Edie, will be shared through open resources such as the digital repository MorphoSource, and the deep learning and morphometrics communities will benefit from new approaches that bridge these shape disparities with geospatial information, Gao said. 除了双壳类动物,这些方法还有潜力从生命之树的各个物种中提取新的知识,并为博物馆收藏的标本带来新的科学价值。

“当这些东西在19世纪被收集起来的时候,谁能想到它们会被用来做什么?”” Jablonski said. “科技总是在创造新的方式来学习有关几百年前博物馆藏品的新知识。这是参与这类工作的乐趣之一,深入研究这些生物档案,将物种、生态和形态编织在一起。”

故事首先出现在数据和计算中心的网站上。

新闻旨在传播有益信息,英文原版地址:https://news.uchicago.edu/story/3-d-imaging-ai-reveal-stories-hidden-shells