AI 用於嚴謹且可擴展的細胞追蹤 隨著時間推移追蹤個別細胞是生物學中最具挑戰性的計算問題之一。細胞會分裂、遷移並改變形狀，即使使用強大的顯微鏡，重建系譜的任務也像是在拼湊一個不斷變動的拼圖。幾十年來，這項工作大多依賴於啟發式或臨時規則，這使得重現性變得困難，並且結果在不同實驗室之間難以比較。 最近的兩篇論文展示了 AI 和現代計算如何改變這個領域。在 OrganoidTracker 2.0 中，Betjes 和合著者們介紹了一個量化系譜分配不確定性的概率框架。該方法不僅僅是輸出一個「最佳猜測」，而是附加了置信水平，讓研究人員能夠識別模糊的案例，並確保更嚴謹的下游分析。 與此同時，Bragantini 和合著者們提出了 Ultrack，一個旨在可擴展性和可及性的工具。通過將先進的優化和基於圖的算法整合到廣泛使用的平台中，Ultrack 使得能夠高效處理大規模影像數據集，同時降低了採用的門檻。 這些進展共同標誌著細胞追蹤的轉變：從脆弱的啟發式方法轉向統計基礎、可擴展且廣泛可用的工具。它們展示了 AI 不僅僅是在自動化一項任務，而是從重現性、不確定性和與實際實驗工作流程的整合的角度重新框架這項任務。 論文： &