斑馬魚作為一種重要的模式生物，其獨特的生理特點、與人類基因高度的同源性，使其成為科學研究的理想模式生物。近年來，人工智能（AI）技術的飛速發展正深刻改變著科學研究的面貌，尤其在生命科學、環境監測及健康美麗產業中，AI+斑馬魚研究日益增多。

利用人工智能輔助開展斑馬魚高通量篩選、圖像分析、行為分析、深度學習等，將革新現有的研究模式，為研究者們提供全新的研究視角和工具。本文將從斑馬魚高通量篩選、毒理研究、遺傳疾病研究、腦科學前沿研究及產品研發創新等方面，綜述了近年來人工智能與斑馬魚模型相結合的應用現狀及對未來的展望。

01、AI+斑馬魚在高通量篩選中的應用

當前，斑馬魚作為高通量篩選的理想模式生物，又因其高效、高可靠性、高性價比、周期短等顯著的優勢而在高通量篩選中廣受青睞。高通量篩選在藥物發現、基因功能研究和材料科學等領域中發揮著越來越重要的作用，越來越多的研究人員利用高通量篩選（HTS）技術，更快速、高效地篩選大量化合物，加快藥物、新材料研發與發現，從而降低研發風險，節省成本，縮短研發周期。

斑馬魚高通量篩選優勢

高效性：繁殖周期短、產卵量大，可短時間內產生大量的實驗樣本，且斑馬魚作為實驗用樣量僅為小鼠的1/1000～1/100，可同一時間對大量樣品進行檢測；

高可靠性：斑馬魚與人類基因相似度高達87%，實驗結果具有較高的參考價值；

高性價比：相比其他高通量篩選方案，斑馬魚方案成本更低，性價比更高；

周期短：胚胎透明便于觀察，項目交付周期短至7-15天，滿足快速藥物開發的需求。

伴隨著物聯網、大數據和人工智能AI技術等的引入，近年來，在斑馬魚高通量篩選過程中，通過構建基于深度學習的圖像分析模型，在斑馬魚胚胎收集與培養、成像分析、行為分析等關鍵步驟中，都帶來了顯著的技術革新，不僅可以快速識別斑馬魚胚胎的表型特征，進而篩選出具有特定生物活性的化合物，而且，通過進一步優化實驗設計、提高數據處理和分析的準確性，使研究過程更精準、高效，為藥物發現、基因功能研究等領域的科學研究提供了新的思路和方法。

1. AI應用于斑馬魚胚胎收集與培養：利用微流控及光學成像技術，可以分析歷史數據和實時監測數據，預測和優化培養條件，如溫度、光照、水質等，以提供最佳的斑馬魚生長環境，優化實驗設計，并幫助研究人員確定最佳的暴露濃度和時間，以評估化學品對斑馬魚的毒性。

美國哈佛大學Leonard I. Zon實驗室曾開發一種能夠快速收集大量處于相近發育階段斑馬魚胚胎系統，通過將雌魚、雄魚分別放置在分離器上下方的產卵平臺內，交配產卵后分離器被移除，收集容器底部的受精卵，10min內可獲得最高可達1萬顆斑馬魚胚胎；

Zhu等報道了一種用于斑馬魚胚胎的固定、培養和成像的概念驗證微流控設備，該設備包括平板玻璃基板、設有胚胎培養通道的兩層PDMS結構，使用5個陷阱捕獲胚胎，并利用實時成像系統對胚胎的早期發育進行監測。研究表明斑馬魚胚胎可以被穩定地固定在胚胎培養通道內，經過長時間的動態監測，斑馬魚胚胎發育穩定。

2. AI應用于斑馬魚圖像分析：基于AI技術的斑馬魚圖像分析工具，不僅可以快速、客觀地評估斑馬魚的發育階段、表型形態等，而且可以從顯微圖像和視頻中提取定量信息，如心率、游動軌跡等，識別細微的表型變化，提高圖像分析的效率和準確性，為科學研究提供有力支持。

2023年11月，德國康斯坦茨大學發育生物學教授Patrick mller團隊基于孿生網絡的深度學習方法，開發了一套自動圖像分析軟件——EmbryoNet，通過圖像對比分析，可以自動捕捉斑馬魚胚胎發育過程，并在沒有人為干預的情況下識別胚胎發育特征的階段點。實驗結果顯示，該系統確定了用于癌癥治療的細胞毒性藥物，如能夠誘導斑馬魚胚胎死亡的長春花堿和硼替佐米，并可以用于大規模藥物篩選包含臨床處方藥物在內的化合物庫。目前，相關成果已發表于《Nature Methods》。

圖為斑馬魚圖像處理示圖（引自AI identifies developmental defects and drug mechanisms in embryos. Nat Methods 20, 793–794 (2023). ）

3. AI應用于斑馬魚行為學分析：基于AI技術過去幾年中，基于深度學習的ai工具在科學研究應用中異軍突起，如DeepLabCut、LEAP Estimates Animal Pose (LEAP) 、DeepFly3D、idtracker.ai等。通過利用神經網絡組織和分析，幫助研究人員實現了斑馬魚行為收集等廣泛的研究任務。

利用人工智能技術對斑馬魚游泳行為識別研究較早，主要通過視頻監測系統對斑馬魚運動軌跡進行監測并描述。Mirat等開發了一款Ze‐braZoom自動化程序來檢測斑馬魚的運動；Fukunaga等基于混合高斯模型，搭建了GroupTracker視頻跟蹤系統，可對嚴重遮擋情況下的斑馬魚進行跟蹤，在跟蹤過程中提取出如速度、游泳距離、轉彎方向等信息以判斷斑馬魚的行為。

葡萄牙里斯本Champalimaud Research的神經科學家Gonzalo de Polavieja團隊基于idtracker.ai機器視覺工具，在無需手工標注訓練數據的情況下，可以一次追蹤多達100條幼年斑馬魚的數量，識別并追蹤每個個體的位置，及斑馬魚在群體中的運動決策等，準確率高達99.9%。（引自Heras, F. J. H., Romero-Ferrero, F., Hinz, R. C. & de Polavieja, G. G. PLoS Comput. Biol. 15, e1007354 (2019).）

在中山大學郭貴松等人基于斑馬魚圖像特征的魚群檢測算法的研究中，解決了傳統整魚檢測在魚群交叉遮擋時失效的難題，并基于斑馬魚圖像特征自動構建訓練集，避免了深度學習手動標注的費時費力問題。通過對實際斑馬魚視頻進行處理驗證，與現有算法相比，該方法在標注率、召回率與遮擋檢測率等性能指標上有更好的實驗效果。

圖為目標形體及成像特性（引自GUO Guisong, LIN Bin, YANG Xia, ZHANG Xiaohu. Fish stock detection algorithm based on zebrafish image features[J]. Journal of Applied Optics, 2022, 43(2): 257-268. DOI: 10.5768/JAO202243.0202004）

02、AI+斑馬魚的最新研究進展

由于斑馬魚對環境中的有毒物質非常敏感，因此，斑馬魚是國際公認的毒理學研究模式生物。當前，在AI、基因編輯技術的加持下，通過高通量篩選、智能化識別、實時監測與分析、數據整合與預測等開展環境污染物毒性評估、各類藥物早期毒理學評價、藥物測試及前沿研究等，展現出了顯著的優勢和潛力，為科學研究提供了有力支持。

1. 用于環境污染物毒性評估及機制研究：將AI與斑馬魚、基因編輯技術結合，是時下毒理研究的熱點。基于機深度學習的計算機視覺模型，不僅可以利用環特斑馬魚流式光片成像系統、行為分析系統、強迫游泳儀等，鑒別斑馬魚多特征的行為、形態變化等，而且，可以快速、準確地分析斑馬魚對環境污染物的反應，如運動活動、社交行為、記憶和焦慮相關行為等，進行定量與定性分析，揭示毒性反應中的作用與機制，評估環境污染物的毒性及潛在毒性分析，為環境保護和污染控制提供科學依據。

以同濟大學林思劼團隊于2023年3月27日發表在國際期刊Environmental Science & Technology的研究為例，該研究團隊基于深度學習的斑馬魚仔魚形態分析方法（Deep Learning-enabled Morphometric Analysis，DLMA），結合胚胎形態學分析方法和深度學習視覺模型，將該自動化方法應用于多種化學物質的毒性評估，并探究其化學結構特征所導致的毒性作用模式與斑馬魚形態學上變化之間的關系。

圖為基于深度學習的斑馬魚仔魚形態分析方法（Deep Learning-enabled Morphometric Analysis，DLMA）（引自Gongqing Dong. Environ. Sci. Technol. 2023, 57, 46, 18127–18138;Deep Learning-Enabled Morphometric Analysis for Toxicity Screening Using Zebrafish Larvae.）

2. 用于新藥研發與安全性評估：斑馬魚，作為評估藥物安全性與毒性的一種高效、快速的方法，闡明藥物具體的毒性作用及其多組分多靶點的毒性作用機制，進行新藥研發的前期毒性測試、快速篩選出具有潛在毒性的候選藥物，從而加速新藥研發進程。

2022年10月20日，為了在ToxCast數據庫中確定更多調節腸道炎癥的環境化學品，哈佛醫學院Francisco J. Quintana研究團隊基于公開的數據庫、斑馬魚的化學篩選、機器學習和小鼠臨床前模型等，確定了除草劑丙酰胺小腸和大腸的炎癥作用的影響，并表明丙酰胺通過AHR-NF-κB-C/EBPβ信號軸在T細胞和樹突狀細胞中發揮作用，促進腸道炎癥。該成果已發表在《Nature》雜志。

圖為AI發現促進腸道炎癥的環境因素（引自Sanmarco, L.M., Chao, CC., Wang, YC. et al. Identification of environmental factors that promote intestinal inflammation. Nature (2022). 

3. 用于遺傳疾病、個性化醫療等：基于斑馬魚基因編輯技術，可以快速在斑馬魚模型中驗證人類遺傳病、篩選致病基因、研究基因功能及作用通路等，主要研究領域為嬰幼兒發育畸形、罕見病、神經系統疾病、心腦血管疾病、血液病、生殖缺陷等。

2020年1月，美國范德堡大學醫學中心Ela W. Knapik研究團隊通過對斑馬魚中大規模的化學突變篩選、多種電子健康數據庫及DNA生物數據庫等三個來源的表型數據分析，揭示出了罕見和常見的疾病造成的膠原分泌不足的新機制，加速了發現臨床相關的疾病表型和相關的生物學機制，為罕見病患者增加治療的可能性，該成果已發表在Nature Medicine雜志。

4. 用于腦科學等前沿研究：2024年3 月 25 日，中國科學院自動化研究所蒿杰研究組與中國科學院腦科學與智能技術卓越創新中心杜久林研究組、穆宇研究組合作研究開發了一套實感智能計算-控制平臺，可快速提取和分析斑馬魚全腦神經元活動，實現神經元集群活動的閉環調控。相關研究論文以 Real-time analysis of large-scale neuronal imaging enables closed-loop investigation of neural dynamics 為題，在線發表于《自然?神經科學》（Nature Neuroscience）。

該研究借助天文學領域的數據處理技術，采用 FPGA-GPU 混合架構，成功對高達500MB/s的大數據流神經功能數據進行實時配準、信號提取和分析，首次實現了對斑馬魚全腦十萬級神經元的實時監控，進而對任意選擇的神經元集群活動進行解碼，以控制外部設備。這一成果標志著基于全腦單細胞光學成像的虛擬現實、光遺傳調控等技術在腦科學閉環研究領域的應用邁出了關鍵一步。

5. 用于產品評價與原料創新：AI與斑馬魚模型的結合應用，通過深度學習等技術，對斑馬魚實驗數據的分析和處理，不僅可以進一步提高化妝品、保健食品功效與安全性評價的準確性和效率，而且通過快速分析保健食品、化妝品的成分，篩選出具有潛在功效的成分，幫助研發人員更好地掌握產品配方變化和改進方向，并預測保健食品、化妝品等對消費者健康的影響，為產品研發與推廣、原料創新提供科學依據。

Zhang等采用液質聯用結合數據庫檢索，從當歸-川芎藥對中選取24個潛在活性成分建立了成分-靶點-疾病網絡，利用斑馬魚證實當歸-川芎藥對具有抗血栓、抗炎、抗氧化和促血管生成作用。

03、結語

總而言之，在科技飛速發展的今天，人工智能（AI）與斑馬魚研究的結合，其強大的數據處理能力和模式識別技術與斑馬魚獨特的生物學特性，共同推動著生物科學研究、健康美麗產業的不斷發展。從藥物研發和疾病模型研究，到環境毒理研究，從化妝品與營養保健食品的功效與安全性評價，到產品研發與原料創新，相信隨著技術的不斷進步和應用場景的拓展，AI與斑馬魚研究的結合將在更多領域展現出其巨大的潛力和價值，為我們帶來無限可能！

然而，我們也應清醒地認識到，人工智能（AI）與斑馬魚研究的結合仍面臨著諸多挑戰和限制。斑馬魚模型與人類生理結構的差異、AI技術的局限性和不確定性等問題，都需要持續不斷地探索與改進。我們期待AI與斑馬魚研究更多的深度融合與應用，帶來更多新的突破和進展！

作為健康美麗產業CRO服務開拓者與引領者、斑馬魚生物技術的全球領導者，環特生物搭建了“斑馬魚、類器官、哺乳動物、人體”四位一體的綜合技術服務體系，開展健康美麗CRO服務、科研服務、智慧實驗室搭建三大業務，致力于將斑馬魚技術廣泛而深度地應用于科研和研發領域，并致力于在科研和研發領域，將斑馬魚推廣為繼細胞和小鼠之后的第三大科研方法，引領智能實驗室設備行業發展！

環特斑馬魚實驗設備，如斑馬魚高通量工作站、斑馬魚胚胎分裝系統、斑馬魚成/幼魚3D行為分析系統、斑馬魚高通量行為分析系統、斑馬魚專用成像系統、斑馬魚強迫游泳儀、斑馬魚養殖系統、斑馬魚培養箱、斑馬魚臭氧干燥箱等（詳情點擊：設備“煥”新行動丨斑馬魚實驗室設備以舊換新正當時，環特助力科研加速跑?。原h特20余年的斑馬魚實驗為依托，并結合哈佛大學前沿的ai智能、計算機視覺、神經工程學等全面進化而來，以強大的研發、實驗數據為基石，涉及5項發明專利，10多項科技創新，以斑馬魚實驗專用、自動化、高通量為特色，顛覆了傳統實驗方法、可有效提高3-5倍實驗效率，提升科研成果的質量和水平，讓科研更智能！

歡迎有需要的讀者垂詢，17364531293（微信同號）