眼睛是心靈的窗口，但從去年開始，谷歌的研究團隊就利用機器學(xué)習(xí)將眼睛轉(zhuǎn)化為檢查人體健康的“窗口”，他們通過算法分析人體的高精度3D視網(wǎng)膜照片發(fā)現(xiàn)，圖像里面包含的信息可以用來判斷出一個人的血壓、年齡和吸煙狀況。

　　近日，研究團隊又獲得了新的進展，利用算法分析其亞細胞結(jié)構(gòu)(如線粒體、染色體、DNA鏈等)的變化后，發(fā)現(xiàn)了通過分析“眼睛”，我們可以判斷一個人是否有患心臟病的風(fēng)險。

　　不同于以往，這里的研究成果不斷，背后的首要功臣是谷歌研究團隊開發(fā)的3D細胞結(jié)構(gòu)模型的算法。繼Alpha Go之后，谷歌研究團隊又一“黑科技”秒殺人類。

　　其實揭開它的神秘面紗，其核心就是圖像處理算法。

　　圖像處理是如何應(yīng)用到生物學(xué)領(lǐng)域的?

　　在生物學(xué)研究領(lǐng)域，細胞生物學(xué)的研究核心點就是：結(jié)構(gòu)決定功能。其中，蛋白質(zhì)學(xué)中就有理論明確提出，細胞的狀態(tài)由細胞內(nèi)結(jié)構(gòu)的位置以及細胞周期的改變來確定。

　　在這一背景下，研究學(xué)者自然就想到從3D顯微鏡圖像切入研究細胞結(jié)構(gòu)，希冀借由圖像處理來進行生物學(xué)的研究。而隨著科技的發(fā)展，深度學(xué)習(xí)成為圖像處理領(lǐng)域的最佳利器，故而許多研究人員開發(fā)出了算法，以用于處理活細胞等微生物熒光圖像：

　　如當科學(xué)家希望利用深度學(xué)習(xí)來分析基因組中的基因突變，他們先將DNA鏈中的堿基轉(zhuǎn)換為計算機可以識別的圖像，然后將已知的DNA突變片段信息與基因組信息一起用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)系統(tǒng)，隨后用機器學(xué)習(xí)進行預(yù)測和數(shù)據(jù)分析。

　　但是谷歌研究團隊發(fā)現(xiàn)，這一過程本身存在著一項技術(shù)缺陷：因為現(xiàn)有算法模型處理2D圖像，所以在利用其對生物圖像進行處理之前，每一次都首先需要對3D圖像進行處理，以將其轉(zhuǎn)換為現(xiàn)有圖像處理算法能夠處理的照片。

　　可見，想將深度學(xué)習(xí)用于生物學(xué)研究領(lǐng)域，“磨刀”的功夫就需要花費很久，將每一項研究的3D圖像轉(zhuǎn)化為2D圖像極大得降低了研究效率、限制了圖像處理算法在生物醫(yī)學(xué)研究上的應(yīng)用。

　　谷歌團隊讓生物學(xué)圖像處理更輕松，研究成果不斷

　　為了解決圖像維度轉(zhuǎn)換過程帶來的應(yīng)用局限性，谷歌研究團隊基于卷積神經(jīng)網(wǎng)絡(luò)提出了一種條件生成模型，他們可以直接利用3D顯微鏡圖像對模型算法進行訓(xùn)練，以用于學(xué)習(xí)細胞和細胞核形態(tài)的變化，并利用訓(xùn)練后的模型分析預(yù)測亞細胞結(jié)構(gòu)的位置。

　　上個月，谷歌就基于該模型發(fā)布了一款名為DeepVariant的工具，人們可以用它來識別DNA序列中的細微變化。

　　但不止于此，谷歌研究團隊還整合了條件生成模型和傳統(tǒng)的算法處理方法，提出了一種不需要參數(shù)的3D細胞結(jié)構(gòu)模型的算法，它可以直接處理高精度的三維生物器官圖像。

　　此外，這種新算法還可以將細胞內(nèi)部結(jié)構(gòu)的變化和細胞的變化結(jié)合在一起，以用于研究相關(guān)疾病的變化。在最新的報告中，研究團隊給出了初步的實驗結(jié)果，即其在心臟病預(yù)測上的應(yīng)用。

　　圖像處理算法因此更強大

　　對于該算法，谷歌研究院工程總監(jiān)Philip Nelson介紹說：“之前，將機器學(xué)習(xí)應(yīng)用于很多生物學(xué)領(lǐng)域是不切實際的�，F(xiàn)在，我們可以做到了。但更讓人激動的是，如今機器能發(fā)現(xiàn)之前人類可能無法看到的東西。”

　　值得指出的是，谷歌開發(fā)的這種方法本質(zhì)上就是一種通用的圖像處理算法，不僅可以用于通常的圖像識別，還可以用于生物學(xué)領(lǐng)域高精度三維圖像的分析和相關(guān)細胞變化的預(yù)測。