图像组学利用机器学习来分析图像中的生物特征，为表型和基因型之间的联系提供新的见解。该领域强调保护和生态保护，处于重大科学发现的前沿。
对蝴蝶模仿的研究就是一个例子。
据该学科的创始人之一称，图像组学是一个新的科学领域，在过去一年中取得了惊人的进展，并且即将发现有关地球上生命的重大发现。
2024 年 2 月 17 日，俄亥俄州立大学转化数据分析研究所的教职主任 Tanya Berger-Wolf 在美国科学促进会 （AAAS） 年会上的演讲中概述了图像组学的现状。
“图像组学正在走向成熟，并准备好迎接它的第一个重大发现，”Berger-Wolf在会前接受采访时说。
图像组学的范围和潜力
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，特别是生物学特征。
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，由美国国家科学基金会资助的俄亥俄州立大学图像组学研究所所长Berger-Wolf说。
这些图像包含大量信息，在人工智能和机器学习发展之前，科学家们无法正确分析和使用这些信息。
进步和应用
Berger-Wolf 告诉 AAAS，这个领域是新的——图像组学研究所刚刚成立于 2021 年——但大事正在发生。
即将取得成果的一个主要研究领域涉及表型（在图像中可以看到的动物的可观察特征）如何与它们的基因组（产生这些特征的DNA序列）相关。
“我们正处于了解可观察表型与基因型的直接联系的风口浪尖，”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。
研究方法的创新
Berger-Wolf引用了关于蝴蝶的新研究作为图像组学正在取得的进步的一个例子。她和同事们正在研究拟态——外观与不同物种相似的蝴蝶物种。模仿的一个原因是看起来像鸟类等捕食者避开的物种，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，即使蝴蝶自己知道其中的区别。然而，机器学习可以分析图像并学习颜色或其他特征的非常细微的差异，这些差异可以区分蝴蝶的类型。
“我们无法区分它们，因为这些蝴蝶不是为了我们的利益而进化出这些特征的。它们进化为向自己的物种和捕食者发出信号，“她说。
“信号就在那里——我们只是看不到它。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，看看拟态的差异有多大才能愚弄鸟类。研究人员正计划打印出具有细微差异的蝴蝶的逼真图像，以查看真正的鸟类对哪些蝴蝶做出反应。
这是在用人工智能做一些以前没有做过的新事情。
“我们不是用人工智能来概括我们所知道的。我们正在使用人工智能来产生新的科学假设，这些假设实际上是可测试的。这令人兴奋，“Berger-Wolf说。
研究人员正在进一步采用图像组学方法，将蝴蝶外观的这些细微差异与导致这些差异的实际基因联系起来。
图像组学的未来影响
“在未来几年里，我们将学到很多东西，这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些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，图像组学将带来很多好处，”Berger-Wolf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动力的机器学习”会议的一部分。
暂无评论内容