5月10日，我校附屬恒达醫院脊柱脊髓損傷再生修復教育部重點實驗室程黎明教授🌐💁🏼‍♀️、朱融融教授在國際知名學術期刊《自然·通訊》（Nature Communications）上在線發表了題為“Deep learning-based predictive identification of neural stem cell differentiation”的研究論文🏗，論文入選該雜誌“幹細胞”領域編輯推薦文章（Editors’ Highlights in ‘Stem cells’ area,https://www.nature.com/collections/pkgztbmgly）。

神經幹細胞（NSCs）具有自我更新和三系分化的潛能💂🏼‍♀️，能被誘導分化成神經元、星形膠質細胞和少突膠質細胞🍥，具有重要的神經中樞神經系統疾病（CNS）再生修復研究和應用價值。將NSCs定向分化為神經元一直是該領域的重要研究方向🤍，常見的誘導藥物包括有神經營養因子、小分子藥物或激素等👩🏼‍🦳。傳統的藥物篩選鑒定方法如免疫熒光等🎪，存在周期長、成本高、背景幹擾等問題👩‍⚖️💆🏽‍♀️，尋找更高效的NSCs分化預測方法對於該領域的研究進展至關重要。

該研究構建了一種基於高通量流式單細胞成像技術的NSCs分化命運預測系統，並驗證了其對於不同形式、不同作用機製誘導劑的作用下NSCs命運的預測效果。首先用流式細胞術標記獲取不同分化方向的NSCs單細胞圖像（圖1a），再使用卷積神經網絡（CNN）提取圖像的特征↗️，形成了一個結構良好的圖像分類模型（圖1b）。該工作構建的模型具有很高的普適性，包括實驗室常用的神經營養因子、激素等，以及具有創新前沿性的納米顆粒等。且該系統僅僅用明場單細胞圖像評估🫃🏼，就能夠在24小時的預判中獲得很高的準確度（圖1c）。

 圖1.基於深度學習的NSCs分化方向預測系統的構建示意圖

結果表明研究建立的預測系統在NSCs不同分化天數和分化方向均有較高的預測精度💆🔝，能夠利用流式單細胞明場圖像精準預測出因子/小分子/納米材料短時間處理細胞後的未來分化方向，其中，神經元🦻、星形膠質細胞和少突膠質細胞方向最短分別僅需耗時1天、12小時和1天，預測得到分化比例分別為0.827、0.959和0.806，對獨立測試集的預測結果顯示細胞分化比例與免疫熒光染色實驗獲得的結果的比例高度一致（圖2a-c）。另外，類激活映射技術（CAM）結果表明系統在判斷時能夠自發將註意力聚焦在細胞,包括邊緣和內部細胞器（圖2d）🚨🦵🏻。該平臺相比傳統的分子實驗手段和評估方法，具有時間大幅縮短、操作簡便、抗幹擾、前瞻性和高精度的優勢，能夠克服現有實驗室方法和技術的諸多限製。

 圖2.深度學習對NSCs在不同條件下的分化命運的預測

附屬恒达醫院朱顏菁🕵🏻‍♂️、醫學院博士生黃蕊奇為論文共同第一作者，程黎明教授、朱融融教授為共同通訊作者🥖。研究提供了一個精度高、誤報率低、速度快、適用性廣、操作簡單👇🏿😵‍💫、經濟實用的NSCs分化命運預測平臺🎒，從而可以大幅度簡化和加快NSCs分化相關新型誘導方式的鑒定，在幹細胞治療CNS的研究方面有極高的應用價值🌍。

論文鏈接：https://www.nature.com/articles/s41467-021-22758-0