Das Verständnis der Funktion jeder einzelnen Zelle und ihrer Unterschiede bei gesunden und erkrankten Menschen erfordert die Analyse von Einzelzellen in großer Zahl. Forschende der Technischen Universität München (TUM), darunter Professor Fabian Theis und sein Team, sowie des Helmholtz Munich haben nun einen wichtigen Fortschritt auf diesem Gebiet erzielt: Mit einer neuen Methode können Millionen Einzelzellen mithilfe maschinellen Lernens effizient und präzise untersucht werden. Das selbstüberwachte Lernen kombiniert hierfür zwei Ansätze: das maskierte Lernen und das kontrastive Lernen. Diese Methodik wird beispielsweise genutzt, um Gewebe auf Basis einzelner Zellen zu analysieren und deren unterschiedliche Funktionen zu bestimmen.
Diese Fortschritte eröffnen neue Möglichkeiten, um Zellveränderungen detailliert zu untersuchen.
Mehr Details finden Sie im Originalartikel auf bionity.com.
