經過熒光標記的細胞的顯微照片無疑是漂亮的，但它們需要侵入性的有時是破壞性的或致命性的實驗程序才能讓它們發出熒光。在一項新的研究中，為了避免這種干擾，來自美國加州大學舊金山分校和谷歌公司的研究人員開發出一種計算機程序，它能夠區分不同的細胞類型，并鑒定出亞細胞結構等特征---所有這一切都不需要我們的眼睛進行可視化觀察所依賴的熒光探針。相關研究結果于2018年4月12日在線發表在Cell期刊上，論文標題為“In Silico Labeling: Predicting Fluorescent Labels in Unlabeled Images”。

美國國家神經疾病與卒中研究所項目主任Margaret Sutherland(未參與這項研究)在一項聲明中表示，“這種方法有潛力引發生物醫學研究變革。”

這些研究人員利用一種被稱作深度學習(deep learning)的方法，設計出一種神經網絡，即一種模擬大腦的計算機程序，它利用數據識別圖案、形成規則，并將這些規則應用到新信息中。

谷歌公司加速科學項目(Google Accelerated Science)軟件工程師在一份新聞稿中說道，“我們通過向這種神經網絡展示相同細胞的兩組相匹配的圖片(一組為經過熒光標記的細胞圖片，另一組為未經過熒光標記的細胞圖片)對它進行訓練。我們重復了這個過程數百萬次。隨后，當我們給這種神經網絡提供它之前從沒有觀察到的未經過熒光標記的細胞圖片時，它能夠準確地預測熒光標記所在的位置。”

通過提供高質量的細胞圖片，這種計算機程序能夠幾乎完美地、正確地鑒定出細胞內的細胞核。它也能夠區分死細胞和活細胞，并且在包括星形膠質細胞和未成熟的分裂細胞的細胞群體中發現神經元，甚至能夠區分樹突和軸突。

這些研究人員表示，未來的研究將著眼于優化這種神經網絡，并改進它在某些任務---比如在高密度的細胞培養物中挑選出神經元亞型和發現軸突---上不太穩健的表現。