隨著90％的癌癥患者死于轉移，成功控制和消除該疾病的關鍵在于我們跟蹤和靶向所有已擴散的癌細胞和轉移的能力。在Ali Ertürk教授的帶領下，中國青年科學家潘晨琛博士在一個叫vDISCO的成像技術的基礎上開發了DeepMACT，這是一種基于深度學習的技術，能夠以無偏見且省時的方式檢測最小的轉移灶，并通過治療性抗體靶向整個小鼠全身。封面圖片顯示了小鼠肺部的幾種宏觀轉移，其中一些被治療性抗體靶向（黃色），而另一些未被（紅色）靶向。
2019年12月12日，德國紐倫堡的組織工程和再生醫學研究所，通訊作者是Ali Ertürk教授，中國青年科學家潘晨琛博士，Oliver
Schoppe，Arnaldo Parra-Damas博士為共同第一作者在Cell雜志上發表封面文章 Deep Learning Reveals Cancer
Metastasis andTherapeutic Antibody Targeting in the Entire Body，開發了一種基于組織透明成像 (tissue clearing) 和深度學習 (deep learning) 的新型算法，稱為DeepMACT，用以在細胞水平自動檢測和分析整個小鼠模型中的癌轉移。
那vDISCO和DeepMACT到底是什么呢？簡單看看二者的介紹。
vDISCO：nanobody(VHH)-boosted 3D imaging of
solvent cleared organs，一種壓力驅動的基于納米抗體的全身免疫標記技術，可將熒光蛋白的信號增強兩個數量級。這使得科學家能夠通過完整透明小鼠的骨骼，皮膚和高度自發熒光的組織對亞細胞細節進行成像和量化。
DeepMACT：deep learning-enabled metastasis
analysisin cleared tissue，使用DeepMACT，文章檢測了小鼠體內的癌癥轉移灶，甚至檢測到單個已擴散的腫瘤細胞，包括許多以前被人類忽略的轉移灶。目前，DeepMACT是對外開放的，所有的科學家都可以使用。DeepMACT作為一種可擴展，易于獲得，快速且具有成本效益的方法，可以進行有關癌癥轉移和治療策略的廣泛研究。
接下來我們看看vDISCO和DeepMACT又是如何獲得如此震撼的結果呢？
DeepMACT步驟1：使用vDISCO對透明小鼠進行癌癥轉移的光學成像
vDISCO處理步驟
1、 灌注和樣品制備
?用咪達**，美托咪定和芬太尼（MMF）（1毫升/100克體重小鼠）聯合麻醉動物；
?在室溫下用肝素化的0.1M PBS對動物進行心臟內灌注5-10分鐘，并用含有4％多聚甲醛的0.1M
PBS（pH 7.4）溶液處理10-20分鐘；
■用于收集解剖的器官（例如大腦）：
□4℃，在4％PFA中解剖器官，固定后過夜；
□在室溫下用0.1M PBS洗滌10分鐘，重復三次；
□在含有0.05％疊氮化鈉的PBS中保存3周；
■收集全身：
□去除眼睛（可選），上頜骨和頜骨以及可選的皮膚，并打開動物的上顎（不損傷下方的組織）；
□對于皮膚完整的動物，使用剃須刀刮除皮毛；
□用注射器通過小切口用0.1M PBS從腸內輕微洗凈糞便；
□在4％PFA中于4℃下固定1天；
□在室溫下用0.1M PBS洗滌10分鐘，重復三次；
□在含有0.05％疊氮化鈉的PBS中保存6個月
2、 透明化處理
■用于單個器官的vDISCO完整免疫標記
□所有步驟均在搖桿或振蕩器上輕輕搖動完成
□將固定后的大腦或器官在4.5mL含1.5％山羊血清、0.5％Triton X-100、0.5mM甲基-β-環糊精、0.2％反式-1-乙酰-4-羥基-L-脯氨酸和0.05％疊氮化鈉溶液中于37℃溫育2天;
□在37℃下于4.5毫升氯化鈉和合適濃度的納米促進劑中孵育大腦或器官12-14天；
□在室溫下用洗滌液（1.5 M山羊血清，0.5％Triton
X-100、0.05％疊氮化鈉的0.1 M PBS溶液）洗滌2小時，重復3次，并過夜；
□在室溫下用PBS洗滌2小時，重復四次
如上內容如有翻譯不準確的地方，請以原始英文protocol為準，原始英文protocol同時介紹了全身性透明化處理步驟，在這里不做介紹。重要說明：來自不同公司的不同批次的納米促進劑在vDISCO解決方案中可能具有不同的性能，滲透性和穩定性。
DeepMACT步驟2：深度學習癌癥轉移的檢測和定量
為了方便DeepMACT用戶，文章作者提供了在PyTorch中實現的DeepMACT完整功能演示版本，這使DeepMACT用戶可以立即識別并分割轉移灶，以了解其工作情況。該版本可以直接下載。同時，可在CodeOcean.com上獲得DeepMACT的功能齊全的在線演示demo版本。在線運行DeepMACT，除Web瀏覽器外無需其他軟件，這使用戶打算自己下載和設置DeepMACT以使用前可以輕松了解DeepMACT。此demo版本不限于文章作者團隊提供的數據集。由于算法已經經過訓練，用戶可以直接使用DeepMACT對自己的數據進行預測，只需將文章作者團隊提供的數據集替換為用戶自定義數據，然后將數據提供給DeepMACT。
DeepMACT是一種基于深度學習的算法，可以對轉移進行全面分析；
DeepMACT可以在全身3D掃描中識別微轉移和單個癌細胞；
DeepMACT可以揭示了全身靶向抗體藥物的功效；
DeepMACT提示腫瘤微環境影響藥物靶向療效；
在文章最后部分，作者使用vDISCO和DeepMACT檢驗了6A10抗體藥物的治療效果，竟然發現有23%的轉移位點被6A10抗體藥物遺漏。DeepMACT技術平臺或許可以改善藥物研發過程，幫助科學家找到更強大的抗癌藥。