新算法将防止错误识别癌细胞

肯特大学的研究人员开发了一种计算机算法，可以根据显微图像识别癌细胞系的差异，这是在结束实验室中错误识别细胞方面的独特发展。

癌症细胞系细胞是否被分离和生长细胞培养在实验室里研究和开发抗癌药物。然而，许多细胞系在与其他细胞系交换或污染后被错误识别，这意味着许多研究人员可能使用不正确的细胞。

这是一个长期存在的问题癌细胞系开始了。短串联重复序列(STR)分析通常用于识别癌细胞系，但昂贵且耗时。此外，STR不能区分来自同一个人或动物的细胞。

基于显微图像来自肯特大学工程与数字艺术学院(EDA)和计算学院(SoC)的研究人员从一组试验细胞系中，利用能够“深度学习”的计算机模型，通过一段时间的癌细胞数据大规模比较来训练计算机。在此基础上，他们开发了一种算法，允许计算机检查细胞系的独立微观数字图像，并准确地识别和标记它们。

这一突破有可能提供一种易于使用的工具，能够在实验室中快速识别所有细胞系，无需专业设备和知识。

这项研究由Chee (Jim) Ang博士(SoC)和Gianluca Marcelli博士(EDA)与领先的癌细胞系专家Martin Michaelis教授和Mark Wass博士(生物科学学院)领导。

多媒体/数字系统高级讲师Ang博士说:“我们的合作已显示出巨大的成果，未来有望在实验室和癌症研究中实施。利用这种新算法将产生进一步的结果，可以改变科学中细胞识别的格式，使研究人员有更好的机会正确识别细胞，从而减少癌症研究中的错误，并有可能挽救生命。

“结果还表明，计算机模型可以分配用于正确识别细胞系的精确标准，这意味着未来研究人员接受准确识别细胞的培训的潜力也可能大大增强。”

---

---