共计 1261 个字符，预计需要花费 4 分钟才能阅读完成。
耳蜗是内耳中呈螺旋状的结构，负责人类的听觉功能。为了全面理解听觉机制并开启听力损失治疗的新途径，科学家们需要获得耳蜗内毛细胞的精细细节视图，这些细胞使我们能够感知周围的各种声音。
加州大学圣地亚哥分校的生物学家现已利用人工智能开发出一款工具，能够呈现耳蜗毛细胞前所未有的三维视图。这项突破性的进展为听力研究领域带来了新的可能性。
- 
- 
- 
- 
- 
- 
在耳蜗细胞内，被称为静纤毛的突起束以特定方式排列以探测声音和运动。加州大学圣地亚哥分校博士后学者亚斯明·卡西姆、生物科学助理教授乌里·马诺尔及其同事利用基于耳蜗数据训练的深度学习模型，开发了名为 VASCilia 的视觉分析静纤毛工具。这项发表于《PLOS 生物学》的新工具将成像处理速度提升了 50 倍，将原本需要人工缓慢解读显微毛细胞束图像的过程实现了自动化。
马诺尔实验室采用尖端成像技术探究听觉毛细胞的结构与功能，精度达到单个分子水平。这种精确度为科学家提供了新方法，既能了解听觉细胞在正常听力状态下的运作机制，也能研究因建筑施工、喷气发动机和嘈杂音乐等声源冲击导致的损伤状态。
“理解静纤毛束如何随时间推移或暴露于特定环境压力后发生结构紊乱，对听力损失研究至关重要，”马诺尔表示。他是细胞与发育生物学系（生物科学学院）的教职人员，同时担任加州大学圣地亚哥分校戈德尔家族技术沙盒的学术主任。
为深入解析静纤毛的核心生物学功能，并为逆转毛细胞排列错乱的基因疗法实验奠定基础，科学家需要能够精确测量大量细胞的工具。“已有先天失聪儿童通过基因疗法重获听力，预计听力损失治疗手段将持续发展，”马诺尔指出，“这成为开发 VASCilia 的重要推动力，除了理解细胞生物学特性外，该工具还能在基因疗法实验中实现全细胞测量，并保持高度一致性与准确性。”
如同竖琴琴弦的排列原理——较长琴弦产生较低音调，较短琴弦发出较高音调，静纤毛的排列方式也遵循类似规律：较长纤毛解析低频声波，较短纤毛解码高频声波。
“我们期望更全面地理解这些模式在疾病状态下的破坏机制，特别是噪声损伤与衰老相关的听力研究，”马诺尔解释道，“通过视觉观察可见正常纤毛束模式会逐渐瓦解，部分纤毛变长而其他缩短，我们需要精确解析这一过程的发生机制。”
VASCilia 借助人工智能技术实现了这些细胞的三维可视化与量化分析。计算机科学家、施密特人工智能博士后研究员卡西姆使用小鼠专家标注数据集对 VASCilia 进行静纤毛数据训练，通过五个深度学习模型优化了细胞分析流程。
“我们将细胞长度分析时间缩短至原先的五十分之一，使大量二维与三维定量测量能在数分钟内完成，这些工作原本需要数年人工分析，”卡西姆说明，“VASCilia 还能生成细胞方向等多维度视角，这对研究衰老或损伤后毛细胞束排列紊乱现象尤为重要。此外，该工具可检测并量化人类难以手动测量的细微细胞结构紊乱模式。”
研究人员希望 VASCilia 的开源特性最终能促成耳蜗毛细胞图像的全面图谱建设。“这项计划将支持开发适用于不同物种、标记物与成像尺度的基础模型，从而加速听力研究领域的进步，”研究团队在论文总结中强调。
