在自然界中，已經發生了許多事情，它們的大小，顏色以及最重要的是形狀都不同。盡管可以容易地描述物體的顏色或大小，但是形狀的描述更為復雜。在《自然通訊》上發表的一項研究中，馬克斯·普朗克分子植物生理研究所的杰奎琳·諾瓦克和她的同事們概述了一種基于網絡表示法來描述形狀的新方法和改進方法，該方法還可以用于重組和比較形狀。

Jacqueline Nowak設計了一種新穎的方法，該方法依賴于基于網絡的形狀表示(稱為可見性圖)以及用于分析形狀的工具GraVis。可見性圖表示對象的形狀，該對象由其周圍的輪廓定義，GraVis背后的數學結構由圍繞輪廓等距放置的一組節點指定。然后，節點通過不與形狀邊界交叉或對齊的邊緣彼此連接。結果，測試所有節點對之間的連接將為分析的形狀指定可見性圖。

在本研究中，杰奎琳·諾瓦克(Jacqueline Nowak)使用可見性圖和GraVis工具比較了不同形狀。為了測試新方法的功能，將簡單的三角形，矩形和圓形形狀的可見性圖，以及沙粒，魚形和葉形的復雜形狀進行了比較。

通過使用不同的機器學習方法，他們證明了該方法可用于根據形狀的復雜性來區分形狀。此外，可見性圖可以區分表皮路面細胞所顯示形狀的復雜性在植物中，其形狀類似于拼圖碎片。對于這些細胞，可以使用GraVis準確量化不同的形狀參數，如瓣長，頸寬或細胞面積。GraVis項目負責人，系統生物學研究負責人Zoran Nikoloski說：“使用GraVis定量表皮細胞的葉數優于現有工具，這表明它是解決與形狀分析有關的特定問題的有力工具。馬克斯·普朗克分子植物生理研究所的數學模型”和波茨坦大學的生物信息學教授。

將來，科學家們希望利用表皮細胞和整片葉子的可見性圖來獲得影響形狀的關鍵細胞過程的生物學見解。此外，通過GraVis量化的不同植物細胞的形狀特征可以促進遺傳篩選以確定形態發生的遺傳基礎。最后，GraVis的應用將有助于更深入地了解自然界中細胞與器官形狀之間的相互關系。