为了充分了解细胞是如何工作的，科学家们需要知道它们的运动部件在空间和时间上是如何相互关联的。然而，由于它们的大小和涉及的数据量，在三维可视化细胞结构已被证明是困难的。现在，在三个新的研究中，两个分子科学家团队的目标是让每个人都能容易地看到细胞内部。通过精心收集实验数据，并与计算生物学家合作，他们将细胞器和染色体的d可视化带入更清晰的焦点。
研究人员还将他们在10月初发表在独立研究中的d数据免费提供给任何人去探索，以便让世界各地的研究人员探索他们自己关于细胞形态如何影响功能的问题。正如拉斯阿拉莫斯国家实验室的结构生物学家、其中一篇论文的合著者卡里萨·桑邦马苏（KarissaSanbonmatsu）所说:“我们正试图用谷歌地球（GoogleEarth）搜索染色体。”
卡内基梅隆大学的计算生物学家RobertMurphy没有参与这项研究，他说，利用这三篇论文中的技术，科学家可能会比较不同类型的细胞——例如癌细胞和健康细胞——以开始了解细胞结构的组织在生理学和疾病中扮演的角色。“这是你最想做的事情之一。”
在人工智能的帮助下，提高细胞器的清晰度
在过去的十年中，霍华德·休斯医学研究所的科学家ShanXu一直致力于将聚焦离子束扫描电子显微镜（FIB-SEM）----一种最初用于材料科学应用的显微镜技术----应用到生物学研究中。光纤扫描电镜（FIB-SEM）的工作原理是对嵌入树脂中的物体进行扫描电镜（SEM）成像，然后用离子束将样品的细条刮掉，再拍摄另一张照片。通过一遍又一遍地重复这个过程，科学家们可以将所有的图像堆叠起来，创建一个d渲染。但是这些机器需要在到5天后关闭来给离子束充电，当它们再次启动时，离子束去除的物质量和图像的分辨率都不准确。为了减少每次关闭后的不精确度，并达到绘制细胞内部图像所需的清晰度，徐增加了更稳定的离子束硬件，允许更高的电流，解决束流控制问题，并加快了扫描电镜的成像速度。每台机器都是徐自己制造的。他表示:“我一个接一个地建造它们，所以（它们）就像我的孩子一样。”。
他的团队在10月的两篇《自然》论文中详细介绍了这些调整，将d分辨率从8纳米提高到了4纳米，这通常意味着细胞器看起来像清晰、详细的结构和模糊的云之间的区别。
但是由此产生的大量数据意味着研究人员需要一种更快的方法来识别和绘制细胞内的细胞器:进入机器学习。两年来，两个人全职工作，手动识别细胞器，并从纤维扫描电子显微镜的d图像中勾勒出它们的边界。然后，来自HHMIJanelia研究中心的计算机科学家LarissaHeinrich，利用这些注释训练神经网络来绘制细胞内的结构图，正如他们在第二篇《自然》杂志上报道的那样。
海因里希说，该网络使用手动注释的图像来学习规则，“试图调整它们，使其产生的输出与人类的输出相同。”网络不仅仅是看着每个像素然后调用它是否是细胞器的一部分，它还检查它周围的像素以确定调用是否合乎逻辑。科学家们估计，一个人需要60年才能手动识别算法能在几个小时内绘制出相同数量的细胞器。
墨菲说，这两项研究的结果显示了“一个关键的仪器进步”，并补充说，“使用这种技术产生大规模的数据收集，他们已经做了重要的。”他说，机器学习的工作是至关重要的，但他指出，算法仍然不能以高水平的准确性识别每一种细胞器。这种差异往往与人类标记的训练集中细胞器的丰富程度有关。例如，中心体在每个细胞中都很罕见，因此AI没有那么多机会从训练集中了解它们的样子。海因里希说，更多的训练集和算法将有助于提高细胞内所有细胞器和结构的映射准确性。
尽管如此，通过高分辨率的图像以及人类和人工免疫系统识别的细胞器，研究人员能够建立一些细胞和组织的开放存取的d地图，包括常用的HeLa细胞、攻击卵巢癌细胞的免疫t细胞和胰腺β细胞。
增加第四维度
在发表在《美国国家科学院院刊》上的第三项研究中，一个独立的研究小组使用计算方法来推断染色体的三维结构。
在过去，为了推断dDNA结构，科学家们首先使用了一种叫做Hi-C的技术来确定DNA切片之间的2d相互作用。高碳包括物理交联相互作用的DNA片段，然后将它们融合在一起。这样，所有相互作用的DNA片段，即使它们在染色体上相距很远，也会在测序数据中并排出现。这些二维数据将被用于建立三维模型，但是这需要很多基于DNA序列和蛋白质的假设，这些蛋白质将把DNA环连接在一起。新研究背后的研究人员并不想做出那么多的假设。“我们想要做的只是简单地制造一个结构，遵循实验的规则，”这项研究的第一作者，医院的高分子物理学家安娜·拉帕拉说。
因此，研究人员利用实验2d相互作用数据、模拟物理力和牛顿的运动方程来预测x染色体的d结构。然而，他们并没有止步于d。在x染色体失活（XCI）的过程中，他们在不同的时间点重复了这个过程，从而为他们的分析增加了第四维度。这种需要分析大量数据集的高分辨率建模，是洛斯阿拉莫斯国家实验室的超级计算机使其成为可能的。
当一个细胞中有两条x染色体时，其中一条x染色体上的大部分基因通过XCI失活，以防止发育异常。当一个x基因表达一个包裹在染色体上的叫做Xist的非编码RNA时，这种沉默就开始了。
结构建模的结果表明，x染色体经过XCI处理后，形成了一个密集的核心，表面较为松散。已知的几个逃脱XCI的基因位于表面，研究人员认为这可能使表达基因的分子机制更好地进入。“这篇论文真正具有开创性的地方在于，我们找到了一种可视化x染色体d结构的方法，这种方法是基于Hi-C数据集中得到的一个明确的二维地图，”论文的合著者、哈佛医学院的分子生物学家珍妮·李说。作者们还能够跟踪XistRNA在染色体上随着时间的推移的传播，他们在一个视频中展示了这一点。
这篇论文的作者之一Sanbonmatsu说，他们建立三维结构模型的计算方法也可以应用到基因组中的其他染色体上。
计算生物学的未来
西北大学的生物医学工程师VadimBackman没有参与这三项研究中的任何一项，他说:“我认为这类工作[在PNAS论文中]最重要的是试图解释一些非常复杂的东西，比如基因组的结构，尤其是基因组中的动态过程。
“在这三篇论文中，需要强调的一点是，计算分析和建模在这个领域是多么重要，”墨菲补充道。在这三篇新论文中，功能强大的计算机使科学家们能够获得大量的实验数据集，并且不需要多年的人工工作，就能够了解细胞器、染色体和其他结构的新知识。
为了进一步加快对数据的分析和三维细胞生物学研究的进展，所有论文的作者都致力于数据的开放存取。“让世界看看我们投资了什么，效果要好得多。”。徐已经为这项新的显微镜技术申请了专利，但是大学和非营利组织可以免费使用这项技术，而且d细胞数据图谱也可以免费浏览。Sanbonmatsu希望最终使生物学家能够通过“点击浏览器”来观察他们感兴趣的染色体或基因的d结构
“我们正在努力使整个过程民主化，”她说。
