近日，厦门大学柔性电子（未来技术）研究院黄维院士、李林教授团队与合作者在线粒体深度学习领域取得重要进展，开发了一种名为MoDL（Mitochondria Deep Learning）的深度学习算法，可实现高精度分割活细胞成像中的线粒体形态，并预测其功能。相关成果“Mitochondrial Segmentation and Function Prediction in Live-Cell Images with Deep Learning”为题发表在Nature Communications（DOI: 10.1038/s41467-025-55825-x）期刊上。

人工智能的快速发展正在推动各领域发生革命性变革。2024年，诺贝尔物理学奖和化学奖共同表彰了人工智能技术在复杂系统模拟和研究工具创新中的突破性贡献，这表明人工智能已成为驱动科学前沿发展的关键动力。线粒体是细胞生命活动的核心驱动力，其形态与功能之间的复杂关系在能量代谢、信号传导和细胞凋亡等过程中发挥着重要作用，是揭示多种疾病发病机制的关键切入点。然而，由于线粒体动态且复杂的结构特性，人工测量和传统分析方法在精确性方面面临诸多挑战。因此，如何量化线粒体形态与功能之间的关系仍是线粒体研究的一大挑战。

针对上述问题，研究团队创新性地提出一种线粒体深度学习算法MoDL，其整体框架设计以高效、精准、通用为核心目标，提供从图像到生物学功能的全流程解决方案。构建了具有高鲁棒性和通用性的线粒体图像分析平台，为药物筛选、疾病监控以及基础科学研究提供了可靠工具。其核心工作流程包括三个主要功能（pipeline）：（1）线粒体图像的高质量分割、（2）形态特征驱动的功能预测、（3）跨细胞类型的功能预测能力。这项研究是线粒体形态与功能研究的突破性进展，为精准医学、细胞生物学研究及药物筛选提供了创新的工具和方法（图1）。

图1. MoDL对线粒体形态和功能分析算法的主要框架

该工作在厦门大学柔性电子（未来技术）研究院黄维院士和李林教授、西北工业大学柔性电子研究院彭勃副教授的共同指导下完成，西北工业大学柔性电子研究院博士生丁阳和李锦涛为该研究论文的共同第一作者。本工作得到了国家自然科学基金（62288102、62475216、22077101)、陕西省重点研究开发项目（2024GH-ZDXM-37）、福建省自然科学基金（2024J01060）等项目经费的支持。

论文链接：https://www.nature.com/articles/s41467-025-55825-x

图、文：李林

编辑：李雅娴

审核：安众福