1. 细胞特征分类简介：背景与应用

1.1 我们为什么要做这件事？

细胞特征分类，说白了就是用细胞的各种可测量属性——形态、大小、纹理、荧光强度、基因表达量等——来判断它属于哪一类。比如这张细胞是癌变还是正常？是干细胞还是分化细胞？对某类药物敏感还是耐药？

我刚开始接触这个方向是在一家生物制药公司。那时候团队还在靠人工设阈值做分类：面积>200μm²就判为阳性，亮度>150就算高表达。结果呢？每次换一批显微镜数据就要重新调阈值，而且特征之间相互干扰——有的细胞面积大但亮度低，人工规则根本处理不了这种组合情况。

后来我们转向了机器学习。你会发现，模型能自动从特征空间里找到那些肉眼看不见的决策边界。这也是这整套课程的核心——用数据驱动的方式替代手工规则，让细胞分类更稳定、更可重复。

1.2 典型应用场景

细胞特征分类的应用遍地都是。我挑几个我亲手做过的项目场景，你可能也会碰到：

• 癌症诊断：从血液或组织样本中识别癌细胞。特征包括核质比、核不规则指数、染色质纹理。我记得一个项目里，模型把恶性间皮瘤和良性增生的区分准确率从72%提到了94%。
• 药物筛选：给药后细胞表型发生变化，比如凋亡、自噬、线粒体膜电位下降。我们当时用高内涵成像，提取了数百个特征，训练分类器判断化合物是否有效。
• 干细胞鉴定：多能干细胞和分化细胞的形态差异很小，人工看三天也看不准。机器却可以揪出NANOG、OCT4等标志物表达和细胞核形态的联合规律。
• 免疫细胞分型：流式细胞术里，CD3+、CD4+、CD8+的亚群分类，本质是多个荧光通道特征上的聚类加分类。

1.3 为什么非得用机器学习？

你可能会反问：Excel 表格+人工画个散点图不也能分吗？嗯，能分，但只能分简单的。细胞特征有几个痛点让规则方法完全瘫痪：

• 高维特征：高内涵成像一次能提取500+个特征，人脑无法同时考虑这么多维度。我记得有个项目，光形态特征就398个，加上荧光通道5个×16个衍生指标，总共478维。人眼只能看两三个维度的散点图。
• 非线性关系：细胞的“恶性”往往不是某个特征超标，而是一堆特征组合后出现某种模式。比如一个细胞又是核大、又是染色质不均匀、又是位置靠近血管——这种交互作用，线性方法很难捕捉。
• 批次效应：这绝对是大坑。我在项目中踩过一次：同样的细胞系，不同批次培养、不同显微镜、不同染色时间，特征分布直接偏移。人工规则必须重新标定，但模型如果做好规范化，可以迁移得更好。

机器学习能自动学习特征间的复杂组合、容忍噪声、从少量样本中泛化。这也是为什么近年来越来越多的生物实验室开始用scikit-learn、PyTorch做细胞分类的原因。

1.4 一个典型的特征分类流程

我把整个流程画成了一张图，方便你建立全局认识：

别被这图吓住。我们后面的每一章会拆解成一个个具体操作：怎么提取形态特征、怎么处理缺失值、怎么选分类器、怎么评估。你跟着做一遍就熟了。

1.5 特征数据长什么样？

我给你看一个实际特征矩阵的例子。这是我在一个细胞筛选中提取的前3行数据，每行是一个细胞，前几列是特征：

Cell_ID, Area, Perimeter, Circularity, Intensity_Ch1, Intensity_Ch2, Texture_Contrast, Label
C001,   345.2,  78.5,     0.72,       1250,        320,          0.45,           Tumor
C002,   189.7,  52.3,     0.89,       780,         540,          0.23,           Normal
C003,   501.1,  102.8,    0.61,       2030,        210,          0.67,           Tumor

你可能会问：为什么有些细胞面积差这么大？因为肿瘤细胞通常体积更大。但光看面积还不够——这里Circularity（圆形度）在正常细胞里更高（接近1），肿瘤细胞更不规则。Intensity通道的组合也提供了鉴别信息。这些就是模型要学习的东西。

1.6 课程的学习路径

整门课我们会按这个路径走：

1. 特征工程（第2-6章）：如何从原始图像或计数数据中提取有意义的特征，该避免哪些陷阱。
2. 数据预处理与可视化（第7-10章）：标准化、降维、处理批次效应。
3. 模型选择（第11-18章）：从逻辑回归到随机森林到GNN——什么情况用什么模型。
4. 训练与调优（第19-24章）：超参数搜索、早停、交叉验证——我这些年总结的最佳实践。
5. 部署与持续迭代（第25-30章）：把模型搬到实际流水线中，监控漂移，维护更新。

每章我都会放一个实际的项目片段——有的是我踩过的坑，有的是客户现场的真实案例。你跟着做，不只是会用代码跑通，而是真正理解为什么这么做。现在我们开始进入正题吧。