细胞研究中的人工智能：映射技术以前所未有的细节揭示了细胞动力学

得益于一种名为Moscot（“多组学单细胞优化运输”）的新技术，研究人员现在可以在数百万个细胞发育成新器官（例如胰腺）的同时观察它们。该方法由Helmholtz Munich领导的一个国际研究小组开发，并发表在《自然》杂志上

到目前为止，生物学家对细胞在自然环境中是如何发育的了解有限，例如，当它们在胚胎中形成器官时

“现有的方法只提供了少数细胞的快照，或者无法将空间和时间中的动态过程联系起来，”该研究的主要作者之一、慕尼黑亥姆霍兹计算生物学研究所的博士生、慕尼黑工业大学（TUM）的研究员Dominik Klein解释道。“这极大地限制了我们对器官发育和疾病过程中复杂相互作用的理解。”

Dominik Klein与Giovanni Palla（Helmholtz Munich）、Marius Lange（苏黎世联邦理工学院）、Michal Klein（苹果公司）和Zoe Piran（耶路撒冷希伯来大学）领导的跨学科团队一起开发了Moscot。该团队借鉴了18世纪发展起来的一种理论：最优运输理论，该理论描述了物体如何最有效地从一个地方移动到另一个地方，以最大限度地减少时间、能量或成本

将最佳运输应用于两个细胞群之前受到生物医学数据集大小的限制。得益于人工智能的进步，这一障碍现在已经被克服，这在很大程度上受到了合著者Marco Cuturi（苹果公司）的影响

“我们已经调整了我们的数学模型，以准确地表示细胞在发育过程中的分子信息和位置。最佳运输理论帮助我们理解细胞如何从一种状态移动、变化和过渡到另一种状态，”Klein说。现在，这使得同时观察数百万个细胞成为可能，其精度是以前无法想象的

Moscot能够对空间组织中的单个细胞进行多模态映射，并在动态生物过程中发挥着至关重要的作用。随着时间的推移，它连接了数百万个细胞，将基因表达的变化与细胞决策联系起来。Moscot的实现旨在使用复杂的算法分析庞大的数据集，同时为生物学家提供直观的界面

此外，Moscot精确地同时捕获了大量细胞的分子状态，并描述了它们在空间和时间上的发展。这使得首次追踪和更好地理解整个活体器官和生物体内的复杂细胞过程成为可能

Moscot的应用为胰腺研究提供了新的见解：该团队成功地基于多模式测量绘制了胰腺中激素分泌细胞的发育图。基于这些发现，科学家们现在可以详细分析糖尿病的潜在机制

“这种关于细胞过程的新观点为靶向治疗开辟了机会，这些靶向治疗可以解决疾病的根本原因，而不仅仅是治疗症状，”Heiko Lickert教授说，他是慕尼黑亥姆霍兹糖尿病与再生研究所的负责人，也是该研究与Fabian Theis教授的共同最后一位作者

慕尼黑亥姆霍兹大学计算生物学研究所所长、TUM教授Fabian Theis强调了Moscot在生物医学研究中的重要性，“Moscot正在改变我们理解和使用生物数据的方式。它使我们不仅能够以前所未有的细节捕捉细胞发育的动态，而且能够对疾病的进展做出精确的预测，旨在开发个性化的治疗方法。”

对于Theis来说，Moscot是跨学科合作的典范，“这个项目中数学和生物学的成功结合令人印象深刻地表明了不同学科之间的合作对于实现真正的科学突破是多么重要。这要归功于与Heiko领导的团队的密切合作。来自亥姆霍兹糖尿病中心的Lickert，我们能够通过实验室实验验证Moscot的预测。”