图像组学是一门新兴的科学领域，据该学科的一位创始人说，它在过去的一年里取得了惊人的进展，即将发现有关地球上生命的重大发现。

Tanya Berger-Wolf是俄亥俄州立大学转化数据分析研究所的主任，她于2024年2月17日在美国科学促进会年会上的一次演讲中概述了图像组学的现状。

伯格-沃尔夫在会议前接受采访时说:“图像组学正在成熟，已经为它的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。

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，俄亥俄州图像组学研究所主任伯格-沃尔夫说。

这些图像包含了大量的信息，在人工智能和机器学习发展之前，科学家无法正确地分析和使用这些信息。

伯格-沃尔夫告诉美国科学促进会，这是一个新领域——图像组学研究所(Imageomics Institute)于2021年刚刚成立——但大事正在发生。

一个正在取得成果的主要研究领域涉及到表现型(动物在图像中可以看到的可观察特征)与它们的基因组(产生这些特征的DNA序列)之间的关系。

她说:“我们正处于了解可观察到的表型与基因型之间直接联系的尖端。”

“没有图像组学，我们无法做到这一点。它正在推动人工智能和生物科学的发展。”

伯格-沃尔夫引用了关于蝴蝶的新研究作为图像组学正在取得进展的一个例子。她和同事们正在研究模仿者——外形与另一物种相似的蝴蝶物种。模仿的一个原因是看起来像捕食者，如鸟类，避免的物种，因为它们的味道不吸引人。

在这种情况下，鸟类和人类一样，无法通过观察蝴蝶来区分它们，尽管蝴蝶自己知道它们之间的区别。然而，机器学习可以分析图像，并学习区分蝴蝶类型的颜色或其他特征的非常细微的差异。

“我们无法区分它们，因为这些蝴蝶并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——我们只是看不见而已。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的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出蝴蝶的真实图像，其中有细微的差异，以观察真正的鸟类对哪些有反应。

这是用人工智能做一些以前没有做过的新事情。

“我们不只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以测试的。这很令人兴奋，”伯格-沃尔夫说。

研究人员正在进一步使用图像组学方法，将这些蝴蝶外观上的细微差异与导致这些差异的实际基因联系起来。

她说:“在接下来的几年里，我们将学习很多东西，这些东西将推动图像组学进入我们现在只能想象的新领域。”

一个关键目标是利用图像组学产生的新知识找到保护濒危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，”伯格-沃尔夫说。

Berger-Wolf的AAAS报告题为“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。

更多信息:Imageomics:图像作为生命信息的来源，aaas.confex.com/aaas/2024/meet…gapp.cgi/Paper/32018

俄亥俄州立大学提供

引用本文:Imageomics准备实现对生命的新理解(2024,2月17日)，2024年2月17日检索自https://phys.org/news/2024-02-imageomics-poised-enable-life.html

本文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。