研究人員已經開發了一個新的AI驅動平臺，可以以受過訓練的生物學家的精確度來分析病原體如何感染我們的細胞。

HRMAn（“Herman”）平臺代表宿主對微生物分析的反應，它是開源的，易于使用的，可以針對包括沙門氏菌在內的各種病原體進行定制。

由弗朗西斯·克里克研究所（Francis Crick Institute）和倫敦大學學院（UCL）的科學家首創的HRMAn使用深度神經網絡來分析病原體和人類（“宿主”）細胞相互作用圖像中的復雜模式，從而提取出科學家們手工所做的相同詳細特征。這項研究發表在開放存取期刊eLife上，其中包含一個下載平臺和訪問教程視頻的鏈接。

“對于生物學家來說，過去這是繁瑣的手動工作，現在卻使我們在計算機上花費了幾分鐘，使我們能夠更快，更準確地了解更多有關傳染性病原體以及人體如何對它們做出反應的信息。” Crick小組負責人Frickel領導了該項目。“ HRMAn實際上可以像生物學家一樣看到宿主-病原體之間的相互作用，但與我們不同，它不會感到疲勞，不需要睡覺！”

為了展示在KNIME平臺上運行的HRMAn的功能，研究小組使用它來分析人體對弓形蟲的反應，弓形蟲是一種在貓中復制的寄生蟲，被認為由世界三分之一以上的人口攜帶。

在克里克（Crick）的高通量篩選設施中，研究人員收集了50，000種感染弓形蟲的五種不同類型人類細胞的顯微鏡圖像，并將其加載到HRMAn中進行分析。HRMAn檢測并分析了超過175，000個含有病原體的細胞區室，除其他變量外，還提供了有關每個細胞中寄生蟲的數量，寄生蟲在細胞內的位置以及有多少細胞蛋白與寄生蟲相互作用的詳細信息。

UCL的MRC LMCB杰森·默瑟（Jason Mercer）實驗室的研究助理，該研究的第一作者，Artur Yakimovich說：“先前對宿主-病原體圖像分析進行自動化的嘗試未能捕獲到如此詳細的信息。” “使用與自動駕駛汽車相同的算法，我們創建了一個平臺，可提高大容量生物數據分析的精度，這徹底改變了我們在實驗室中可以做的事情。當平臺使用 AI算法時，它就派上用場了以訓練有素的專家的方式評估基于圖像的數據。它的確非常易于使用，即使對于幾乎不了解編碼的科學家也是如此。”

該小組還使用HRMAn分析了腸炎沙門氏菌 -一種比弓形體小16倍的細菌病原體，證明了它在研究不同病原體方面的多功能性。

“我們的團隊使用HRMAn來回答有關宿主與病原體相互作用的特定問題，但它在領域外也具有深遠的影響，” Crick博士Daniel Fisch說。學生和該研究的共同第一作者。“ HRMAn可以分析任何熒光圖像，使其與許多不同的生物學領域相關，包括癌癥研究。”