使用显微镜拍摄生物过程所获得的大量数据以前一直是分析的障碍。利用人工智能(AI)，哥德堡大学的研究人员现在可以跟踪细胞在时间和空间上的运动。这种方法对开发更有效的癌症药物非常有帮助。

在显微镜下研究细胞和生物分子的运动和行为，为更好地理解与我们健康有关的过程提供了基本信息。研究细胞在不同情况下的表现对开发新的医疗技术和治疗方法很重要。“在过去的二十年里，光学显微镜有了显著的进步。它使我们能够研究生物生命，精确到空间和时间上的最小细节。生命系统以各种可能的方向和不同的速度移动，”Jesús Pineda是《Nature Machine Intelligence》科学文章的第一作者。

数学描述粒子之间的关系

科技进步给了今天的研究人员如此大量的数据，以至于分析几乎是不可能的。但现在，哥德堡大学的研究人员开发了一种结合图论和神经网络的人工智能方法，可以从视频片段中挑选出可靠的信息。图论（Graph theory）是一种数学结构，用于描述研究样本中不同粒子之间的关系。它类似于一个社会网络，其中的粒子相互作用并直接或间接地影响彼此的行为。

“人工智能方法使用图中的信息来适应不同的情况，并可以在不同的实验中解决多个任务。例如，我们的人工智能可以重建单个细胞或分子在移动时实现某种生物功能的路径。这意味着研究人员可以测试不同药物的有效性，看看它们作为潜在的癌症治疗方法的效果如何，”Jesús Pineda说。

制药公司已经在使用人工智能

人工智能还可以在其他方法无法有效的情况下描述粒子的所有动态方面。出于这个原因，制药公司已经将这种方法纳入到他们的研发过程中。

神经网络神经网络学习通过使用自监督学习从图像中收集研究人员想要的特定信息。该工具简化了分析过程，并能够从数据打包的视频中收集大量详细信息。

Jesús Pineda, Benjamin Midtvedt, Harshith Bachimanchi, Sergio Noé, Daniel Midtvedt, Giovanni Volpe, Carlo Manzo. Geometric deep learning reveals the spatiotemporal features of microscopic motion. Nature Machine Intelligence, 2023; 5 (1): 71