科学家发现新算法，可以减少对癌细胞的错误识别

近日科学家们研究发现了一组新的算法，使用这个算法之后能更清楚的显示癌细胞的差异，这样可以预防对癌细胞有错误的识别，对于医学上有着重要贡献。

在最近发表在《Scientific Reports》上的一项题为“Towards image-based cancer cell lines authentication using deep neural networks”的研究中，来自肯特大学和其他机构的科学家开发了一种新的计算机算法，该算法可能能够基于微成像来识别癌细胞系的差异。

癌细胞系是一种特殊的细胞类型，在实验室中体外生长并利用细胞培养物作为营养物质。它们可以被研究人员用来研究和开发新的抗癌药物。然而，许多细胞系在与其他细胞系交换或污染时被错误识别，这意味着许多研究人员可能在研究测试中使用了错误的细胞。自从科学家开始研究癌细胞系以来，这可能一直是一个长期存在的问题。短串联重复分析（STR，short tandem repeat）常用于肿瘤细胞系的鉴定，但这种分析成本高、耗时长。此外，STR不能用来区分来自同一个体或动物有机体的细胞。

在这项研究中，科学家们利用大量癌细胞数据的对比分析结果，根据大量细胞系的显微成像，并利用计算机模型进行深度学习，训练计算机模型。基于此，他们开发了一种新的算法，允许计算机分析细胞系的单个显微数字图像，并精确地识别和标记这些图像。这项突破可能为研究人员提供一个易于使用的工具，在没有专业知识和设备的情况下快速识别和分析实验室中的所有细胞系。

研究人员表示，我们的研究成果已经证明，在实验室和癌症研究中潜在的巨大成果，利用这一新算法将产生更进一步的、可以改变科学研究成果的细胞识别方法和方式，可以让科学家有更好的机会准确识别细胞，以减少癌症研究中的错误和挽救患者生命的潜力。此外，研究人员指出，新的计算机模型可以精确地指定正确识别细胞系的标准，这表明未来研究人员接受精确细胞识别训练的能力可能会进一步提高。