图像组学有望实现对生命的新理解

据该学科的创始人之一介绍，图像组学是一个新的科学领域，在过去一年中取得了惊人的进展，即将对地球上的生命进行重大发现

俄亥俄州立大学转化数据分析研究所所长Tanya Berger Wolf在2024年2月17日美国科学促进会年会上的一次演讲中概述了图像组学的现状

Berger Wolf在会前接受采访时表示：“图像组学正在成熟，并为其首次重大发现做好了准备。”

Imageomics是一个新的跨学科科学领域，专注于使用机器学习工具从图像中理解生物体的生物学，特别是生物特征

俄亥俄州立大学图像组学研究所所长Berger Wolf说，这些图像可能来自相机陷阱、卫星、无人机，甚至游客拍摄的斑马和鲸鱼等动物的度假照片

这些图像包含了大量信息，在人工智能和机器学习发展之前，科学家无法正确分析和使用这些信息

Berger Wolf告诉AAAS，这个领域是新的——图像组学研究所刚刚成立于2021年——但大事正在发生

即将实现的一个主要研究领域涉及表型——可以在图像中看到的动物的可观察特征——如何与它们的基因组，即产生这些特征的DNA序列相关

“我们正在了解可观察表型与基因型的直接联系，”她说

“没有图像组学，我们无法做到这一点。它正在推动人工智能和生物科学的发展。”

Berger Wolf引用了对蝴蝶的新研究作为图像组学进步的一个例子。她和同事们正在研究模仿蝴蝶——一种外表与不同物种相似的蝴蝶。模仿的一个原因是看起来像鸟类等捕食者所回避的物种，因为它们的味道没有吸引力

在这种情况下，鸟类和人类都无法通过观察来区分物种，即使蝴蝶自己也知道区别。然而，机器学习可以分析图像，并学习区分蝴蝶类型的颜色或其他特征的细微差异

“我们无法将它们区分开来，因为这些蝴蝶进化这些特征并不是为了我们的利益。它们进化是为了向自己的物种和捕食者发出信号，”她说

“信号就在那里——我们就是看不到。机器学习可以让我们了解这些差异是什么。”

但更重要的是，我们可以使用图像组学方法来改变蝴蝶的图像，看看模仿物的差异有多大才能愚弄鸟类。研究人员正计划打印出有细微差异的蝴蝶的逼真图像，看看真正的鸟类会对哪些蝴蝶做出反应。

这是在用人工智能做一些以前从未做过的新事情

Berger Wolf说：“我们不是用人工智能来概括我们所知道的。我们是用人工智能产生新的科学假设，这些假设实际上是可以测试的。这很令人兴奋。”

研究人员正在进一步采用图像组学方法，将蝴蝶外观的这些细微差异与导致这些差异的实际基因联系起来

她说：“在未来几年里，我们将学到很多东西，这些东西将把图像组学推向我们现在只能想象的新领域。”

一个关键目标是利用图像组学产生的新知识，找到保护受威胁物种及其栖息地的方法

Berger Wolf说：“未来几年，图像组学将带来很多好处。”

Berger Wolf的AAAS演讲题为“图像组学：图像是生命信息的来源”，是“图像组论：为理解生物特征的机器学习提供动力”课程的一部分