深度學習可以預測細胞外觀，幫助發現病變過程

為“每個細胞都是不同的”理論填補空白

在接下來的幾個月中，艾倫研究所的研究人員將更新處于不同的分裂階段的細胞圖像，比如細胞分化成如心臟和腎臟細胞時。Horwitz說，捕獲不同時間點的圖像，對于確定基本的細胞發育過程至關重要。

艾倫研究所著眼于干細胞圖片研究，與一些其他機構試圖將細胞的其他方面進行分類相契合。例如，英國倫敦的慈善機構“英國癌癥研究”（Cancer Research UK）正在創建腫瘤中乳腺癌細胞的互動虛擬現實模型。而另一個國際性的合作組織“人類細胞圖譜”（   Human Cell Atlas）正試圖根據其分子譜（包括DNA序列，RNA轉錄物和蛋白質）定義所有人類細胞類型。

Aviv Regev是馬薩諸塞州劍橋Broad研究所的計算生物學家，他正在致力于人體細胞圖譜，他指出，AllenCell Explorer關注細胞外觀形態特征，而她的項目關注基因，RNA和蛋白質在細胞內相互作用，這樣正好互為補充。她表示：“科學社區直到最近才認可這個事實，即我們以前認為相同的細胞，之間存在很多差異，”她說，“所以現在我們正在采取一種不偏不倚的方式，來了解這個拼圖的每一塊局部，而以前，我們都不知道它的存在。”

AllenCell Explorer網站的推出，將是艾倫細胞科學研究所與全球科學界共享圖像數據和預測模型的平臺，這個開放數據的門戶網站將使研究人員能夠提出關于細胞變異性的重要新問題，以及它們如何變化，分化和應對藥物的變化。 作為一個社區，科學家可以一起應用和擴展這些工具，在細胞生物學領域取得飛躍，造福人類的健康和疾病研究。