休斯顿大学的研究人员及其学生正在开发一种基于人工智能的新软件技术，以推动细胞免疫疗法治疗癌症和其他疾病的发展。
休斯顿大学分拆出来的细胞合唱公司（CellChorus Inc.）正在商业化开发UH开发了用于动态单细胞分析的无标记成像纳米井网格Time-lapse Imaging Microscopy In Nanowell Grids™平台。现在他们获得了来自的250万美元的研究资助。美国国立卫生研究院国家转化医学中心 与休斯顿大学合作，加快开发这一技术的高级“无标签”版本。
样本TIMING视频的T细胞与……交互肿瘤细胞导致杀死标尺=20微米
巴德里·罗伊萨姆（Badri Roysam）是休斯顿大学电气与计算机工程的休和莉莉克兰森科伦教授，正在与纳文·瓦拉达拉詹（Navin Varadarajan）教授合作进行该项目。瓦拉达拉詹是M.D.安德森化学与生物分子工程教授，也任职于同一所大学。UH和CellChorus的联合创始人。
“这是一个利用人工智能方法推动生命科学发展的机会，”Roysam说。“我们特别兴奋的是它在推进基于细胞的免疫疗法治疗癌症和其他疾病方面的应用。”
TIMING™ 是一种专门用于随时间研究单个细胞的工具。由于它是一种基于视频阵列的技术，因此可以观察细胞间的相互作用并生成数万段视频。分析这些庞大的视频数组需要自动化的计算机视觉系统。
“通过结合人工智能、微尺度制造和先进显微镜技术，无标记的TIMING平台将为我们提供深入洞察细胞行为，这些行为直接影响人类疾病以及新型治疗手段的新类别，”CellChorus公司的首席科学官Rebecca Berdeaux（也是该资助项目的联合负责人）说。“NCATS慷慨的支持使我们能够开发计算工具，最终实现对单个细胞动态功能分析与细胞内信号事件的集成。”
该补助金是一项小型企业技术转移快速通道奖项，旨在量化无需对细胞进行荧光染色的情况下细胞的行为。无标签分析，或不使用荧光染料的分析， 允许科学家观察细胞在自然状态下的行为，并收集关于它们运动、相互作用和变化的重要信息。它还将使他们能够使用选择性荧光染色来观察感兴趣的新型分子。这对于研究癌症等疾病或细胞对治疗的反应非常有用。
无标签分析通过新的人工智能和机器学习模型实现，这些模型是在数以亿计的细胞图像上训练出来的，并将被优化为快速、高-_（此处原文似乎未完成，故保留英文部分）单细胞通量分析由客户进行。
该资助项目为Award Number 1R42TR005299。本公告内容完全由作者负责，不一定反映美国国立卫生研究院的官方立场。