激光标记驱动单细胞研究，AI平台为癌症预防提供新路径

细胞分裂过程中出现的染色体异常会影响细胞健康，在某些情况下会导致正常细胞癌变。然而，科学界对这些畸变在癌症演进中的作用及其基准发生率，仍知之甚少。

为探究染色体不稳定的起源，欧洲分子生物学实验室（EMBL）的研究人员开发出一套自主研究平台，用以考察引发染色体异常自发形成的细胞环境、突变率及诱因。研究人员在模拟肿瘤演化早期阶段的细胞系模型上，对该平台进行了测试。

MAGIC平台（机器学习辅助基因组学与成像融合技术）的运行机制，宛如一场全自动激光标记游戏。它能精准识别展现特定可见特征（如存在微核）的细胞，并利用激光与光转化染料对其进行标记

这款搭载人工智能辅助的工具，有望为癌症的分子起源提供宝贵见解，为遗传学研究开辟新路径，并为潜在癌症预防策略奠定基础。

“染色体异常是驱动某些侵袭性极强癌症的主要因素，与患者死亡、转移、复发、化疗耐药及快速肿瘤发生密切相关，”研究员Jan Korbel表示，“我们希望厘清哪些因素决定细胞发生此类染色体改变的可能性，以及正常细胞分裂时产生此类异常的基准速率。”

研究人员Marco Cosenza表示，该人工智能辅助平台融合了基因组学、显微成像与机器人自动化技术。该平台命名为MAGIC（机器学习辅助基因组学与成像融合技术），通过共聚焦显微镜进行活细胞成像，并集成机器学习算法以实时评估细胞异常。自动化显微镜捕获细胞样本的系列图像后，机器学习算法随即对图像进行扫描分析。

该系统的监测目标为微核——即细胞内含有少量DNA（与主体基因组分离）的封闭腔体。携带微核的细胞易产生新型染色体异常，从而显著提高癌变风险。

研究团队基于人工标注的含微核细胞数据集，对MAGIC系统算法进行训练。当算法识别出含微核细胞时，会将其定位坐标传输至显微镜，指令显微镜对特定细胞进行精准光照，通过激光永久标记目标细胞。该系统采用光转化染料实现目标细胞的光学标记。

标记细胞通过流式细胞术等方法，从存活的异质性细胞群体中被分离出来。随后对这些分离的细胞进行单细胞测序和系统表型分析。

研究团队运用MAGIC平台分析了源自正常人细胞的培养细胞系中的染色体异常。他们确定了染色体异常的基准突变率，观察到在所有细胞分裂中，有略高于10%的比例会自发产生某种类型的染色体异常。团队进一步发现，在某个已知的抑癌基因缺失的情况下，突变率会近乎翻倍。

研究团队还考察了染色体内部双链DNA断裂的分布情况，发现定向引入染色体臂上的DNA双链断裂会引发独特的染色体异常。

MAGIC平台支持每次实验自动分析数万个细胞，能够大规模分离稀有细胞形态。研究人员累计分离了2898个单细胞，并对2192个单细胞基因组进行测序，构建起用于研究染色体异常的大规模数据集。通过将此前依赖人工、耗时冗长且易出错的微核细胞检测流程自动化，MAGIC使科学家得以以前所未有的规模和速度开展相关研究。

该平台具备高度灵活性与适应性。本研究虽主要训练算法识别含微核细胞，但理论上可通过不同数据集训练使其检测多种细胞特征。Korbel指出，只要某种特征能在视觉上与正常细胞区分开来，借助人工智能就能训练系统进行识别。因此，我们的系统有望推动未来在众多生物学领域取得新发现。