![[Translate to chinese:] Single cell datasets Single_cell_datasets_SPARCS.jpg](/fileadmin/_processed_/8/8/csm_Single_cell_datasets_SPARCS_a06ab9a976.jpg "[Translate to chinese:] Single cell datasets")
遗传学简介
遗传学旨在了解基因如何决定生物体的表型。前向基因筛选通过生成无偏见的基因型-表型图谱，彻底改变了这一研究方向。通过创建基因突变体文库，然后分离出感兴趣的表型变体进行基因分型，研究人员以无偏见的方式发现了基因与其产生的性状之间的联系。在定向基因破坏技术的推动下，这种方法现已扩展到全基因组筛选。迄今为止，这些筛选仅限于研究简单的表型，这些表型本身会引起克隆富集或导致 FACS 测量的荧光强度发生变化。
越来越强大的显微成像技术提供了有关各种细胞表型的信息丰富的数据。如果再加上深度学习的最新进展，这将成为在基因筛选中读出感兴趣的生物表型的理想技术。然而，由于技术限制，到目前为止，这种技术的应用还很有限。
网络研讨会有哪些内容？
索菲亚-梅德勒（Sophia Mädler）将介绍空间分辨CRISPR筛选（SPARCS），这是一个在人类基因组尺度上基于显微镜对空间亚细胞表型进行遗传筛选的平台。它利用自动高速激光显微切割技术，实现了从几乎无限大小的文库中原位分离表型变体。通过深度学习，可以根据单细胞图像识别出表型上有趣的细胞。
SPARCS 的力量和潜力
为了展示 SPARCS 的潜力，Sophia 将介绍在 4000 万个人类细胞中对自噬体的形成进行全基因组 CRISPR-KO 筛选的结果。
利用卷积神经网络 (CNN) 分类器识别了自噬体标记 LC3B 亚细胞分布的差异，发现了自噬体形成缺陷的表型变异。利用这种分类器，SPARCS 在一次实验中恢复了几乎所有已知的大自噬基因，并发现了 ER 驻留蛋白 EI24 在自噬体生物发生中的作用。
SPARCS 的设计注重开放性和易用性，可与任何显微镜无缝集成。结合新开发的开源 python 库，SPARCS 可快速生成和分析单细胞图像。利用最先进的深度学习方法，可以根据细胞的亚细胞空间表型对细胞进行表征。识别出的感兴趣的细胞可以快速转化为激光显微切割的切割图。
在整个网络研讨会中，Sophia 将概述如何利用 SPARCS 及其开发的工具来充分利用先进成像技术的力量，从而在原位对各种空间亚细胞表型进行全基因组前向遗传筛选。
