從(cóng)圖像中分析得到(dào)生物學結論并不容易。然而，數據科學或可以徹底改變基于顯微成像的細胞生物學！

英國Wiston House

光學成像和(hé)分子生物學新技術在近幾年迅速發展，内容豐富、高(gāo)質量的動态和(hé)多維影響數據也(yě)随之爆炸式增長。目前，新一代細胞成像數據的處理(lǐ)、可視(shì)化、集成和(hé)挖掘能(néng)力正在成爲推進細胞生物學的一個關鍵瓶頸。

2020年2月，The Company of Biologists在美(měi)麗(lì)的Wiston House成功舉辦了(le)細胞成像數據科學研讨會(huì)（Data Science in Cell Imaging Workshop），多位生物學家和(hé)數據科學家參會(huì)，共同推進數據科學在細胞成像中的應用(yòng)。這(zhè)是我們在疫情封鎖之前的最後一次線下(xià)研讨會(huì)！

研讨會(huì)的兩個組織者，Meghan Driscoll博士和(hé)Assaf Zaritsky博士已經在Journal of Cell Science上(shàng)發表了(le)一篇新的文(wén)章，描述伴随細胞成像而迅速發展的數據科學新領域。

論文(wén)重點指出了(le)數據科學工(gōng)具在當前圖像分析領域的使用(yòng)方式，提出從(cóng)細胞圖像數據中獲取新科學假設的計(jì)算(suàn)優先方法，明(míng)确了(le)該領域面臨的挑戰，并提出數據科學将發揮影響力的下(xià)一個前沿領域！

圖像分析工(gōng)作(zuò)流程:(A)在典型的顯微鏡密集型研究項目中，科學家獲取并觀察圖像，然後根據觀察結果形成假設并進行量化檢測。(B)論文(wén)作(zuò)者提出，将來(lái)有必要調整這(zhè)一次序：首先獲取并量化圖像，然後才與數據交互，以進一步形成并檢驗假設。

毫無疑問，數據科學可以徹底改變基于顯微鏡的細胞生物學，作(zuò)者在論文(wén)中描述了(le)如何培養細胞生物學方面的新一代數據科學家。細胞生物學以技術爲驅動力，使用(yòng)了(le)大(dà)量來(lái)自(zì)生物化學、分子生物學、顯微鏡檢查和(hé)基因組學的工(gōng)具。高(gāo)效的研究工(gōng)作(zuò)者需要能(néng)夠采用(yòng)其他(tā)領域的技術來(lái)推進他(tā)們的研究。越來(lái)越明(míng)顯的一項技術就是從(cóng)顯微成像中提取定量信息，這(zhè)項能(néng)力至關重要！

現(xiàn)代細胞生物學家應該能(néng)夠将圖像分析問題分解爲子任務，使用(yòng)現(xiàn)有的計(jì)算(suàn)工(gōng)具來(lái)解決每個子任務，然後系統分析輸出。這(zhè)需要熟悉細胞成像的常見圖像分析程序，能(néng)夠使用(yòng)簡單的編程将模塊拼湊在一起，并具備統計(jì)學和(hé)機器學習的基本知(zhī)識，以解釋系統結果及其局限性。

Driscoll博士和(hé)Zaritsky博士認爲，必須建立全面的跨學科培訓計(jì)劃，以彌合學科之間的技術和(hé)文(wén)化差距。統計(jì)學和(hé)其他(tā)數據科學工(gōng)具應被視(shì)爲現(xiàn)代生物學家基本培訓的一部分。這(zhè)些(xiē)技能(néng)應該盡早獲得，并在整個本科和(hé)研究生院持續使用(yòng)——而不僅僅是在計(jì)算(suàn)密集型課程中！

作(zuò)者承認，雖然數據科學的實踐教學隻需要一台筆(bǐ)記本電腦(nǎo)，但(dàn)缺乏合格的教師和(hé)合适的培訓材料将是一個挑戰。在提出這(zhè)個問題之前，他(tā)們提出了(le)一些(xiē)可能(néng)的解決方案：數據科學家能(néng)否成爲生物學家？對(duì)此，作(zuò)者提出了(le)讓計(jì)算(suàn)專業學生接觸細胞成像和(hé)細胞生物學的奇妙世界的一些(xiē)可行策略。

這(zhè)種技術驅動的複雜(zá)性趨勢是不可避免的，科研社區(qū)必須适應并接受它，以推動生物學向前發展。随着數據量的增加，更複雜(zá)的數據處理(lǐ)需要基礎設施的發展進步。能(néng)夠實現(xiàn)自(zì)動化分析的高(gāo)敏感度、魯棒性和(hé)可用(yòng)性工(gōng)具，将是處理(lǐ)大(dà)量數據和(hé)可再現(xiàn)地分析複雜(zá)數據集的關鍵。我們必須對(duì)學生進行數據科學技術培訓，以幫助他(tā)們應用(yòng)這(zhè)些(xiē)數據。

我們需要齊心協力，走進細胞成像數據科學的新時(shí)代！