耶鲁大学的一组科学家设计出一种方法，利用人工神经网络来揭示来自大量个体的单个细胞的更大活动模式。
在10月7日在《自然》杂志上发表的一篇论文的方法,实验室的研究人员Smita Krishnaswamy,遗传学助理教授和计算机科学,描述他们创建的人工智能神经网络,称为SAUCIE(稀疏Autoencoder为集群、非难和嵌入),可以揭示至关重要的细胞个体差异以及更广泛的模式告诉身体如何功能的故事。
例如，在与耶鲁大学CyTOF设施主任Ruth Montgomery的合作中，耶鲁大学的研究人员使用SAUCIE分析了60名患者的2000万个细胞，并确定了罕见的伽玛-德尔塔T细胞类型，这些T细胞控制着人体对登革热病毒的反应。
“有了SAUCIE，我们就能在干草堆里找到众所周知的针，而2000万个细胞就是一个非常大的干草堆，”第一作者、计算机科学研究生马特·阿莫迪奥(Matt Amodio)说。与其他技术相比，该方法可以容纳更大的患者数据量，也将使研究人员能够识别更大的细胞活动簇，从而根据宿主的病理特征进行分析。
新闻旨在传播有益信息，英文原版地址：https://news.yale.edu/2019/10/08/researchers-use-ai-find-patterns-among-multitude-people-and-cells