當一個細胞變得與鄰近細胞不同的時候，皮膚、肌肉、肝臟或其他類型的組織中就會出現癌癥。雖然生物學家對于“發育過程中組織是如何形成的”這個問題已經了解很多，但很少有人知道，在動物的整個生命周期中同一組織的兩個細胞是如何保持相同的。

zui近，美國馬里蘭大學（UMD）的一個研究小組發現，一種命名為ERI-1的調節蛋白，有助于確保組織中的所有細胞保持相同。這項研究涉及到發育生物學家和計算機科學家之間的合作，后者通過機器學習分析貢獻了他們的專長。這一發現可以使生物學家更進一步了解一些癌癥和其他與年齡有關的疾病。

這項研究是*次在整體動物（秀麗隱桿線蟲，Caenorhabditis elegans）中進行的，而不是培養細胞，發表在2016年8月1日的《Journal of Cell Biology》雜志。研究人員的方法揭示了一種重要的機制，動物通過這一機制來保持一致的基因表達模式。該研究團隊使用的機器學習軟件，對于快速和清楚地識別數據中的復雜模式，是*的。

本文資深作者、UMD細胞生物學和分子遺傳學系助理教授Antony Jose指出：“細胞可能看起來都一樣，而且行為相同，但為什么呢？例如，肝臟充滿了肝細胞，并沒有任何心臟細胞。要維持一個組織，需要發生太多的事情。這是一個顯而易見的基本問題。現在，我們提出了一個答案，可有助于加深我們對于年齡相關疾病的理解。”

結果表明，重復DNA片段的長部分的讀取，在細胞與細胞之間有所不同。研究人員發現，在健康的組織中，ERI-1可通過確保每個細胞在同一水平表達它們的基因，來規范這些差異。當研究人員在線蟲中關閉產生ERI-1的基因時，基因表達的異常混雜出現在線蟲的腸道內。

Jose說：“為了了解這些過程，我們需要在整個動物中測量單細胞的差異。我們必須知道，哪些細胞與哪些細胞相關，并同時測量組織內所有細胞的各種屬性。從技術上講，實現這一目標是非常困難的。但是如果你不能在整個動物的背景下，就很難充分地回答這些問題。”

為了實現這一復雜的分析，Jose和他的同事們形成了一種意想不到的合作。本文*作者Hai Le——Jose實驗室的一名大學生，現在是約翰霍普金斯大學醫學院的一名學生，在2012年UMD的Bioscience Day會議上提交了一張海報。未來的合作者、UMD語言研究中心的Michael Bloodgood順便討論了Le的工作。這兩位研究人員很快就認識到了機器學習促進Le和Jose分析的潛力。

Jose說：“例如，語言學家使用機器學習來比較文本塊，以確定名詞和動詞，分析句子結構，并確定平均字的長度。Hai和Michael認識到，我們可以使用相同的技術來分析腸細胞中的基因表達。”

機器學習軟件可以揭示人類肉眼看不到的復雜模式。顧名思義，該軟件可以尋找特定的模式，也可以從經驗中“學習”，讓每一個后續的分析都變得更有效。使用這種方法，研究人員能夠快速進行客觀的比較，使用其他方法這是不可能的。

研究人員選擇了線蟲，因為它是一種簡單的生物，可以很容易地在細胞水平上進行研究，同時它還活著，點擊閱讀更多以線蟲為模型的研究：Jose指出，他們的技術是廣泛適用的，并可以被修改成適用于其他基因和不同的組織。Jose說：“抗癌藥物的作用通常是在培養的細胞中檢測的。我們的研究表明，動物體外的細胞研究可能會錯過很多東西。例如，培養的細胞可能在基因表達上顯示出差異，但是在一個完整的動物中卻被除去。我相信，我們的研究結果可能會讓我們對于‘如何在細胞培養條件下模仿一個完整的動物’的思維有所轉變。”

深圳子科生物科技有限公司編輯！