图1 人细胞结构示意图：细胞核、细胞质、高尔基体、线粒体、核糖体、溶酶体、细胞膜。[Quantic69/盖蒂图片社]
发表于《自然·方法》（Nature Methods）、题为《适用于从分子到生物体水平在体成像的多模态自适应光学显微镜》的最新研究中，加州大学伯克利分校的研究人员展示了一款高性能显微镜系统，可追踪活体样本的发育过程，包括细胞在组织中的迁移、细胞内部结构的动态变化，以及蛋白质与其他分子在细胞内的转运活动。该系统名为自适应成像校正多模态光学镜（Multimodal Optical Scope with Adaptive Imaging Correction, MOSAIC），过去6年间已在全球十余家实验室投入使用。
“生命科学研究必须在活体组织中开展，需实现全局观测、高时间分辨率采样以及长期动态追踪，”加州大学伯克利分校分子与细胞生物学教授、2014年诺贝尔化学奖得主、该研究共同通讯作者埃里克·贝齐格（Eric Betzig）博士表示，“仅通过单独研究各组分无法理解细胞或生物体这类复杂系统——仅蛋白质分子就有2万余种，总数量可达4000万个左右。”
该显微镜采用了类似ChatGPT的大型视觉语言模型（Large Vision-Language Model, LVLM）注：可同步处理图像、文本的多模态大模型处理拍字节（PB）级成像数据，其数据量相当于约5000亿页文本的存储规模。
贝齐格同时是霍华德·休斯医学研究所（HHMI）研究员，他将该成像数据定义为五维（5D）数据：包含三个空间维度，以及时间和颜色维度。其中颜色维度来自荧光标记，可让科学家同时追踪多种亚细胞结构（如细胞器、细胞膜、细胞骨架等）随时间发生的迁移、形变、分裂及相互作用过程。
在一段成像视频中，研究人员捕捉到了斑马鱼尾鳍再生的全过程。该视频揭示了活体组织中通常难以观测的微观事件：如伤口附近的细胞释放小型通讯囊泡、组织修复过程中皮下微丝发生位移、两个修复细胞发生融合，以及新生血管重塑过程中单个红细胞短暂滞留的现象。
加州大学伯克利分校分子与细胞生物学助理教授、本研究合作者伊恩·斯温伯恩（Ian Swinburne）博士强调，这些跨尺度的大型成像视频中蕴含海量信息，但即便是经受过严格训练的生物学家也很难对这些数据进行深度挖掘。
“AI可帮助我们对接这些数据，更轻松地提出并解答科学问题。比如‘感染过程中有多少巨噬细胞迁移进入了我的研究组织？’或者‘我能否预测细胞何时会离开其所属器官？’这类事件既发生在发育过程中，也见于癌症转移阶段。”斯温伯恩表示。
构建可处理PB级成像数据的LVLM或AI系统是伯克利先进生物成像中心的核心研究方向，该中心希望打造全球首个“细胞观测站”（Cell Observatory）。
“在我们开发出可处理MOSAIC系统产出数据的AI模型之前，MOSAIC的应用价值将十分有限。我们相当于坐拥一座金矿，却没有开采黄金的能力，”加州大学伯克利分校细胞生物学、发育与生理学驻院助理教授斯里戈库尔·“戈库尔”·乌帕德亚乌拉（Srigokul “Gokul” Upadhyayula）博士表示，“细胞观测站计划的核心产出将是一个AI‘科研伙伴’，可辅助我们从这些数据中提取科学发现。”