博文
AI时代的单细胞生物学！
|||
一、为什么需要AI？——数据规模已经超出人脑处理极限
单细胞生物学正面临一个根本性的数据挑战。全球科学家已积累了数亿个细胞的基因数据，而人类细胞图谱（Human Cell Atlas）的成员已分析了超过1亿个细胞，来自1万多人，相关论文超过40篇，联盟成员超过3600人，遍布100多个国家。面对如此规模的数据，正如斯坦福生物工程教授斯蒂芬·奎克所言：“人类大脑不可能做到。而AI模型就是来帮我们做这件事的。”
单细胞数据的高维度、高噪声和复杂性使其极难处理。传统分析方法往往无法辨别基因表达、空间组织或动态细胞状态中的细微变化，导致结论过于简化。
二、核心技术：两个AI模型构建“通用空间”
奎克团队开发了两个分工明确的AI模型，相关成果发表在《自然》和《科学》杂志上：
第一步：UCE建立坐标。 通用细胞嵌入（UCE）能将来自不同实验室、不同组织、甚至不同物种的细胞，都放到同一个抽象的数学空间里——一个可以衡量“相似还是不同”的坐标系。彼此离得近说明关系近，离得远说明差异大，从而为原先零散拼不起来的图谱提供统一底图。
第二步：TranscriptFormer做完形填空。 它的训练方式类似ChatGPT，只不过处理的不是词，而是基因表达值——反复接触大量“缺失某些基因数据”的细胞，学着推断空缺部分，逐渐掌握细胞内部基因协同工作的规律。
该模型的训练数据涵盖多达12个物种，包括人类、酵母、小鼠、兔子、鸡、斑马鱼、果蝇、非洲爪蛙、疟疾寄生虫、海胆、海绵和秀丽隐杆线虫，演化跨度极大，正因数据够杂，模型才可能学到跨物种通用的细胞“语言”。
三、实际应用成果
- 揭示神经元演化线索：海绵没有神经元，模型发现一种叫choanocyte的细胞与线虫、青蛙的神经元在表达空间上很接近，有助于理解神经元的演化起源。
- 纠正命名误导：海绵中一种名叫neuroid的细胞，名字听起来像神经元，但模型发现其基因表达更像青蛙的腺体，提示它可能实际参与消化。
- 区分健康与病变细胞：模型能成功区分健康细胞和病变细胞，对未来细胞疗法设计有潜在指导意义。
- 新物种识别：对于模型未训练过的新物种，只要给出基因表达数据，也能大致识别细胞类型。
四、更广阔的AI应用版图
空间转录组学：SpaLLM等模型将空间域发现重新定义为序列建模问题，通过注意力图提供可解释性，揭示组织邻域结构与基因表达模式。
癌症研究：EMBL开发的MAGIC系统整合显微镜、单细胞测序和AI，能在不到一天内分析近10万个细胞，发现略超10%的细胞分裂会产生自发染色体异常，而p53基因突变后该比例几乎翻倍。
虚拟细胞与药物发现：Altos Labs开发的“虚拟细胞”——多尺度模拟细胞行为的数字孪生——使科学家无需物理实验即可预测基因扰动或药物治疗的结果，加速药物发现和个性化医疗。
微生物芯片与AI结合：微孔芯片平台将单细胞限制在微型隔室中，结合AI正从测量工具转变为预测引擎，在分泌组分析、基因组和转录组 profiling 等方面展现强大能力。
五、工具链与实践建议
对于希望进入这一领域的研究者，当前主流开源工具链包括：
| 工具 | 用途 |
|------|------|
| Scanpy | 预处理、可视化、聚类、轨迹推断、差异表达 |
| scvi-tools | 概率模型（scVI、scANVI、totalVI），支持GPU加速 |
| Squidpy | 空间统计、邻域图构建、显微图像整合 |
分析流程应遵循六个阶段：质量控制 → 归一化与特征选择 → 批次校正 → 聚类与注释 → 空间邻域分析 → 细胞间通讯推断。
六、冷静看待：局限与挑战
尽管前景广阔，AI在单细胞生物学中的应用仍面临显著局限：
- 基准测试结果不容乐观：2025年4月发表在《Genome Biology》的零样本评估显示，Geneformer和scGPT在批次混合方面被scVI和Harmony超越；2025年10月的六模型比较则发现，没有任何单一模型在所有任务上一致优于其他模型。
- 可解释性不足：深度端到端管线的“黑箱”性质使研究者难以将预测结果与已有生物学理论关联。
- 数据质量与域偏移：单细胞数据集常受噪声、批次效应或技术伪影困扰，平台间的域偏移会降低模型泛化能力。
- AI不是替代，而是工具：奎克强调，这不是让AI直接替代生物学家，而是给有经验的研究者提供强大的发现工具，帮他们思考更复杂的问题。
结语
对细胞生物学而言，这两篇论文的真正意义，或许不只是又多了一个AI工具，而是让细胞研究开始拥有一个可以跨物种、跨疾病反复使用的共同基座。奎克希望这代表一个全新领域的开始，而后面还有十年工作等着全球生物学家去做。
https://blog.sciencenet.cn/blog-2636671-1558409.html
上一篇：鸟类大脑的认知能力！
下一篇：生物信息学的暮光：从颠覆到惯例，一种温和的提醒！
扫一扫，分享此博文