图1 基于深度学习的神经干细胞分化方向预测系统模式图
在国家自然科学基金项目（批准号：81820108013、81922039、81873994）等资助下，同济大学朱融融教授和程黎明教授研究团队在基于深度学习的神经干细胞分化预测识别方面取得进展，研究成果以“基于深度学习的神经干细胞分化预测识别（Deep learning-based predictive identification of neural stem cell differentiation）”为题，于2021年5月10日在线发表于《自然通讯》（Nature Communications），并入选该杂志“干细胞”领域编辑推荐文章（Editors’ Highlights in ‘Stem cells’ area）。论文链接：https://www.nature.com/articles/s41467-021-22758-0。
神经干细胞具有自我更新和三系分化的潜能，能被诱导分化成神经元、星形胶质细胞和少突胶质细胞，在中枢神经系统疾病尤其是神经损伤后的再生修复方面具有重要的研究意义和应用价值。将神经干细胞定向分化为神经元一直是该领域的重要研究方向，传统的分化诱导药物筛选鉴定方法如免疫荧光等，存在周期长、成本高、背景干扰等问题，因此寻找更高效的神经干细胞分化预测方法对于该领域的发展尤为重要。
该研究团队开发了一种基于高通量流式单细胞成像技术的神经干细胞分化命运预测系统。其首先通过流式细胞术标记获取不同分化方向的神经干细胞单细胞图像，再利用深度学习方法对图像结果进一步分析，即使用卷积神经网络算法提取图像的特征，形成了一个结构良好的图像分类模型。研究团队进一步验证了该系统对于不同形式、不同作用机制诱导下神经干细胞命运的预测情况，发现其仅利用流式单细胞的明场图像，就能够在开始诱导分化培养的24小时内，高准确度的预测出细胞因子/小分子/纳米材料等处理后神经干细胞的未来分化方向。其预测结果与免疫荧光染色的结果高度一致（图1）。
该研究构建了一个神经干细胞分化命运预测平台，可以对神经干细胞分化相关的新型诱导方式进行快速、准确鉴定，与传统的评估方法相比，该系统能大幅缩减验证细胞分化所需要的时间，其操作更加简便，抗干扰性更强，且具有很好的普适性，在神经干细胞分化研究领域具有很好的潜在应用价值。
