AI 正在制作一本人類細胞的百科全書。

我們對人類細胞的結構了解，大部分來自高中的生物課本：細胞膜里包著圓圓的細胞核，旁邊散落著中心體、線粒體、溶酶體等幾位朋友。

但科學家表示，細胞結構根本不是這么簡單。

它的構成遠比顯微鏡下的紫色洋蔥復雜，每一個部分彼此之間都有著聯系。弄清楚這一切，對醫生診斷及疾病機制研究非常有好處。

50 個來自細胞科學研究中心 Allen Institute 的細胞生物學家、顯微專家和計算機程序員，最近公布了人類細胞研究工具 Allen Integrated Cell。

在過去的兩年里，科學家們用基因工程對細胞樣本進行改造，用熒光標記它們的內部結構(比如線粒體)。隨后他們將超過 6000 張發光細胞的照片供給人工智能算法學習，建立出 3D 模型。

現在，除了數據庫內的 3.2 萬個細胞種類構成清晰可見，這個智能的工具還可以預測一個未知細胞的內部運作。

這個細胞工具專注于人體干細胞。

Greg Johnson，一名來自 Allen Institute 的科學家認為，了解健康細胞的內部運作對癌癥的發現和治療非常有用。這意味著醫生們可以從癌細胞「回到過去」，觀察對比細胞發生了什么變化。

Allen Institute 的所長 Rick Horwitz 也認為，細胞的演變過程比靜態形態更重要。

即使你知道所有球員的統計資料，但從未觀看比賽，你也無法預測足球比賽的結果。

他表示說，這個工具可能會意外加速干細胞研究、癌癥研究和藥物開發。

光學顯微鏡是最傳統的細胞觀察方法。雖然成本低也操作簡單，但它的結果往往讓人沮喪。

你能看到黑白清晰的輪廓，里邊有很多小物體在四處移動，做著各種神秘的事。但你沒法知道它在做什么，細節的缺失讓人跟高中生一樣一知半解。

而基因改變、特殊染料或強光照射等技術往往會改變或損害細胞本身，不利于長時間觀察。而且，這些技術還依賴于昂貴的設備，在一些實驗室中難以實現。

這些都是必須收集圖像，讓人工智能建立 3D 模型的原因所在。

Allen Integrated Cell 的查看頁面

現在用 Allen Integrated Cell，你只需要提供一張顯微鏡下的細胞圖像，人工智能就能還原出它的內部組成。這種方式不會丟失細節，也不至成本高得嚇人。

負責化驗研發團隊的 Susanne Rafelski 說：

就像是你只有一些車輪的照片，它也能從有限的信息里預測出汽車的品牌和型號。

而當只有模糊描述的時候，只要給 Allen Integrated Cell 提供細胞的大小、形狀和細胞核的位置，人工智能也可以提出幾個不同的方案，嘗試去猜測還原整個細胞的結構和形態。

Allen Integrated Cell 人工智能的兩種模式，一種根據圖像還原，另一種則是模糊猜測

Fred Hutchinson 癌癥研究中心的研究員 Roger Brent 已經試用了幾個月。在他看來，這個工具對全世界的研究人員都有幫助，包括在不太富裕的地區。

Allen Institute 的科學家表示，未來他們還將隨著干細胞的成長過程來擴展研究對象，比如心肌細胞和腎臟細胞。他們相信，這能進一步幫助生物學家和醫生理解某些疾病的發展。

而 Brent 對這個工具的未來非常有信心。

他認為，在 10 年后，手機將變得足夠強大可以承載這個工具。這可能意味著，即使在發展中國家，一個小小的實驗室也可以從癌癥細胞的內部來判斷、選擇更佳的治療方案。