图像组学有望促进对生命的新理解

图像组学是一个新的科学领域，该学科的创始人之一表示，它在过去的一年中取得了惊人的进展，即将对地球生命产生重大发现。

俄亥俄州立大学转化数据分析研究所教务主任TanyaBerger-Wolf在2024年2月17日美国科学促进会年会上的演讲中概述了图像组学的现状。

伯杰-沃尔夫在会前接受采访时表示：“图像组学已经成熟，并已为第一个重大发现做好了准备。”

图像组学是一个新的跨学科科学领域，专注于使用机器学习工具从图像中了解生物体的生物学，特别是生物特征。

俄亥俄州立大学图像组学研究所所长伯杰-沃尔夫说，这些图像可能来自相机陷阱、卫星、无人机，甚至是游客拍摄的斑马和鲸鱼等动物的度假照片。

这些图像包含大量信息，在人工智能和机器学习发展之前，科学家无法正确分析和使用这些信息。

伯杰-沃尔夫告诉美国科学促进会，这个领域是新领域——图像组学研究所刚刚成立于2021年——但重大事件正在发生。

即将取得成果的一个主要研究领域涉及表型(可以在图像中看到的动物的可观察特征)如何与其基因组(产生这些特征的DNA序列)相关。

“我们即将了解可观察的表型与基因型的直接联系，”她说。

“如果没有图像组学，我们就无法做到这一点。它正在推动人工智能和生物科学的发展。”

伯格-沃尔夫引用了对蝴蝶的新研究作为图像组学所取得进展的一个例子。她和同事正在研究模仿者——外观与其他物种相似的蝴蝶物种。模仿的原因之一是看起来像鸟类等捕食者所回避的物种，因为它们的味道不吸引人。

在这些情况下，鸟类和人类都无法通过观察来区分物种，尽管蝴蝶本身知道其中的区别。然而，机器学习可以分析图像并了解颜色或其他区分蝴蝶类型的特征的细微差异。

“我们无法区分它们，因为这些蝴蝶进化出这些特征并不是为了我们的利益。它们进化是为了向自己的物种和捕食者发出信号，”她说。

“信号就在那里，只是我们看不到而已。机器学习可以让我们了解这些差异是什么。”

但更重要的是，我们可以使用图像组学方法来改变蝴蝶的图像，看看模仿者的差异有多大才能欺骗鸟类。研究人员正计划打印具有细微差别的真实蝴蝶图像，以观察真正的鸟类会对哪些蝴蝶做出反应。

这是利用人工智能做一些以前从未做过的新事情。

“我们使用人工智能不仅仅是为了重述我们所知道的。我们正在使用人工智能来生成实际上可测试的新科学假设。这令人兴奋，”伯杰-沃尔夫说。

研究人员正在进一步利用图像组学方法，将蝴蝶外观上的这些细微差异与导致这些差异的实际基因联系起来。

“未来几年我们将学到很多东西，这些知识将推动图像组学进入我们现在只能想象的新领域，”她说。

一个关键目标是利用图像组学产生的这一新知识来寻找保护受威胁物种及其栖息地的方法。

“未来几年图像组学将会带来很多好处，”伯杰-沃尔夫说。

Berger-Wolf的AAAS演讲题为“图像组学：图像作为生命信息的来源”，是“图像组学：为理解生物特征提供机器学习动力”会议的一部分。