专家解读（YouTube）· HHMI Janelia · YouTube·· 3 天前评分68
Patrick Müller 在 Janelia 解读 EmbryoNet：用深度学习分类胚胎表型与药物筛选
【AI4Science】用深度学习分析胚胎发育动态（Patrick Müller, Janelia/康斯坦茨）
导读
Patrick Müller 在 HHMI Janelia 专家解读中介绍 EmbryoNet，一个用 240 万张斑马鱼等胚胎图像训练的卷积神经网络，覆盖 nodal/BMP/FGF/Wnt/RA/PCP/Shh 等 7 条发育信号通路，分类准确率约 90%，高于资深发育生物学家的约 80%。
要点概括
用深度学习分析胚胎发育动态：以斑马鱼等为模型，构建 240 万张训练图像覆盖 7 条主要发育信号通路（nodal/BMP/FGF/Wnt/RA/PCP/Shh），训练 CNN“EmbryoNet”分类表型。
- 用深度学习分析胚胎发育动态：以斑马鱼等为模型，构建 240 万张训练图像覆盖 7 条主要发育信号通路（nodal/BMP/FGF/Wnt/RA/PCP/Shh），训练 CNN“EmbryoNet”分类表型。
- EmbryoNet 分类准确率 ~90%，超过资深发育生物学家（~80%）；重训的 EmbryoNet-prime 可提前约 4 小时识别人类难以判读的表型，并用于 1500 化合物药物筛选（如发现他汀类与 FGF 信号关联）。
- 第二部分用孪生网络（无监督）做胚胎“计时/分期”，结合 Arrhenius 方程估算发育活化能（斑马鱼 26 kBT、青鳉 31 kBT），阐释发育速度与温度/体型的物理生物学。
- 定位：AI4Science（深度学习/图像分类/发育生物）。。
来源：专家解读（YouTube） · youtube.com