随着90％的癌症患者死于转移，成功控制和消除该疾病的关键在于我们跟踪和靶向所有已扩散的癌细胞和转移的能力。在Ali Ertürk教授的带领下，中国青年科学家潘晨琛博士在一个叫vDISCO的成像技术的基础上开发了DeepMACT，这是一种基于深度学习的技术，能够以无偏见且省时的方式检测最小的转移灶，并通过治疗性抗体靶向整个小鼠全身。封面图片显示了小鼠肺部的几种宏观转移，其中一些被治疗性抗体靶向（黄色），而另一些未被（红色）靶向。
2019年12月12日，德国纽伦堡的组织工程和再生医学研究所，通讯作者是Ali Ertürk教授，中国青年科学家潘晨琛博士，Oliver
Schoppe，Arnaldo Parra-Damas博士为共同第一作者在Cell杂志上发表封面文章 Deep Learning Reveals Cancer
Metastasis andTherapeutic Antibody Targeting in the Entire Body，开发了一种基于组织透明成像 (tissue clearing) 和深度学习 (deep learning) 的新型算法，称为DeepMACT，用以在细胞水平自动检测和分析整个小鼠模型中的癌转移。
那vDISCO和DeepMACT到底是什么呢？简单看看二者的介绍。
vDISCO：nanobody(VHH)-boosted 3D imaging of
solvent cleared organs，一种压力驱动的基于纳米抗体的全身免疫标记技术，可将荧光蛋白的信号增强两个数量级。这使得科学家能够通过完整透明小鼠的骨骼，皮肤和高度自发荧光的组织对亚细胞细节进行成像和量化。
DeepMACT：deep learning-enabled metastasis
analysisin cleared tissue，使用DeepMACT，文章检测了小鼠体内的癌症转移灶，甚至检测到单个已扩散的肿瘤细胞，包括许多以前被人类忽略的转移灶。目前，DeepMACT是对外开放的，所有的科学家都可以使用。DeepMACT作为一种可扩展，易于获得，快速且具有成本效益的方法，可以进行有关癌症转移和治疗策略的广泛研究。
接下来我们看看vDISCO和DeepMACT又是如何获得如此震撼的结果呢？
DeepMACT步骤1：使用vDISCO对透明小鼠进行癌症转移的光学成像
vDISCO处理步骤
1、 灌注和样品制备
•用咪达**，美托咪定和芬太尼（MMF）（1毫升/100克体重小鼠）联合麻醉动物；
•在室温下用肝素化的0.1M PBS对动物进行心脏内灌注5-10分钟，并用含有4％多聚甲醛的0.1M
PBS（pH 7.4）溶液处理10-20分钟；
■用于收集解剖的器官（例如大脑）：
□4℃，在4％PFA中解剖器官，固定后过夜；
□在室温下用0.1M PBS洗涤10分钟，重复三次；
□在含有0.05％叠氮化钠的PBS中保存3周；
■收集全身：
□去除眼睛（可选），上颌骨和颌骨以及可选的皮肤，并打开动物的上颚（不损伤下方的组织）；
□对于皮肤完整的动物，使用剃须刀刮除皮毛；
□用注射器通过小切口用0.1M PBS从肠内轻微洗净粪便；
□在4％PFA中于4℃下固定1天；
□在室温下用0.1M PBS洗涤10分钟，重复三次；
□在含有0.05％叠氮化钠的PBS中保存6个月
2、 透明化处理
■用于单个器官的vDISCO完整免疫标记
□所有步骤均在摇杆或振荡器上轻轻摇动完成
□将固定后的大脑或器官在4.5mL含1.5％山羊血清、0.5％Triton X-100、0.5mM甲基-β-环糊精、0.2％反式-1-乙酰-4-羟基-L-脯氨酸和0.05％叠氮化钠溶液中于37℃温育2天;
□在37℃下于4.5毫升氯化钠和合适浓度的纳米促进剂中孵育大脑或器官12-14天；
□在室温下用洗涤液（1.5 M山羊血清，0.5％Triton
X-100、0.05％叠氮化钠的0.1 M PBS溶液）洗涤2小时，重复3次，并过夜；
□在室温下用PBS洗涤2小时，重复四次
如上内容如有翻译不准确的地方，请以原始英文protocol为准，原始英文protocol同时介绍了全身性透明化处理步骤，在这里不做介绍。重要说明：来自不同公司的不同批次的纳米促进剂在vDISCO解决方案中可能具有不同的性能，渗透性和稳定性。
DeepMACT步骤2：深度学习癌症转移的检测和定量
为了方便DeepMACT用户，文章作者提供了在PyTorch中实现的DeepMACT完整功能演示版本，这使DeepMACT用户可以立即识别并分割转移灶，以了解其工作情况。该版本可以直接下载。同时，可在CodeOcean.com上获得DeepMACT的功能齐全的在线演示demo版本。在线运行DeepMACT，除Web浏览器外无需其他软件，这使用户打算自己下载和设置DeepMACT以使用前可以轻松了解DeepMACT。此demo版本不限于文章作者团队提供的数据集。由于算法已经经过训练，用户可以直接使用DeepMACT对自己的数据进行预测，只需将文章作者团队提供的数据集替换为用户自定义数据，然后将数据提供给DeepMACT。
DeepMACT是一种基于深度学习的算法，可以对转移进行全面分析；
DeepMACT可以在全身3D扫描中识别微转移和单个癌细胞；
DeepMACT可以揭示了全身靶向抗体药物的功效；
DeepMACT提示肿瘤微环境影响药物靶向疗效；
在文章最后部分，作者使用vDISCO和DeepMACT检验了6A10抗体药物的治疗效果，竟然发现有23%的转移位点被6A10抗体药物遗漏。DeepMACT技术平台或许可以改善药物研发过程，帮助科学家找到更强大的抗癌药。