AI双模型破解细胞基因表达密码 开启跨物种研究新纪元

来源：徽声在线科技频道

记者：李明轩

在显微镜下观察细胞，我们只能看到其形态特征，但要真正理解细胞的功能机制，关键在于解析其基因表达图谱。随着单细胞测序技术的突破，全球科研团队已积累超过数亿个细胞的基因数据，如此庞大的信息量已远超人类大脑的处理极限。

针对这一挑战，国际科研团队开发出双模型AI系统：其一为通用细胞嵌入模型（UCE），可构建跨物种细胞坐标系；其二为TranscriptFormer深度学习框架，通过分析12个物种1.12亿个细胞的基因表达模式，成功建立首个跨物种细胞基因表达通用空间。该成果同时登上《自然》与《科学》封面，被业界誉为细胞生物学领域的"AI革命"。

项目联合负责人、斯坦福大学生物工程系教授斯蒂芬·奎克透露，这项研究仅是开端，未来十年全球生物学家将基于该平台展开系统性探索。目前已有超过20个国家的300余个实验室申请使用该技术平台。

基因表达的"开关密码"

所有细胞共享相同基因组，但通过差异化基因表达实现功能分化。例如胰腺β细胞特异性表达胰岛素基因，B淋巴细胞激活抗体合成基因，而皮肤黑色素细胞则开启色素代谢相关基因。这种精准调控不仅决定细胞类型，更是疾病发生的关键机制——癌细胞与正常细胞的差异本质在于基因表达程序的错乱。

单细胞测序技术虽已绘制出涵盖数万个基因的细胞图谱，但如何从海量数据中提取有效信息成为新难题。奎克教授形象地比喻："这相当于要同时解读数亿本不同语言的书籍，传统分析方法已力不从心。"

研究团队开发的AI系统通过两步走策略破解难题：首先建立标准化坐标系实现数据对齐，再运用深度学习补全缺失信息。这种创新方法使跨物种比较成为可能，为解析进化机制和疾病异质性提供全新视角。

AI双模型的协同机制

UCE模型采用流形学习算法，将来自不同实验室、组织类型甚至物种的细胞数据映射到高维数学空间。该空间通过测量细胞间基因表达模式的相似度确定相对位置，形成可量化的细胞关系图谱。奎克解释："这就像创建了细胞世界的通用地图，不同物种的细胞都能找到对应坐标。"

TranscriptFormer则借鉴自然语言处理技术，通过自监督学习掌握基因表达规律。模型在训练过程中接触大量含缺失值的细胞数据，通过预测缺失部分来理解基因间的协同关系。这种训练方式使其能够准确推断未知细胞的基因表达特征，甚至识别新型细胞类型。

该系统的训练数据覆盖从酵母到人类的12个物种，包含单细胞生物、无脊椎动物和脊椎动物三大演化分支。这种跨物种设计使模型能够捕捉保守的基因表达模式，为理解细胞基本功能提供普适性框架。

从基础研究到临床应用

在海绵细胞研究中，AI模型揭示了惊人发现：看似简单的choanocyte细胞与线虫、青蛙的神经元存在基因表达相似性，这为神经元进化起源研究提供新线索。而名为neuroid的细胞虽名称含"神经"，却被模型识别出与青蛙腺体细胞的表达相似性，暗示其可能参与消化功能。

临床应用方面，该系统已展现出疾病诊断潜力。在测试集中，模型对阿尔茨海默病、癌症等疾病的细胞标记物识别准确率达92%，较传统方法提升27个百分点。更令人期待的是，通过反向设计基因表达程序，未来可能人工合成具有特定功能的工程化细胞。

奎克强调："AI不是要取代生物学家，而是提供超级放大镜。当研究者观察某个细胞时，AI能同时展示其在整个生命树中的位置、与疾病的关联以及潜在功能，这种多维视角将彻底改变研究范式。"

该研究获得美国国防高级研究计划局、国家科学基金会及亚马逊、葛兰素史克等机构联合资助。业内专家指出，这项成果不仅提供新型研究工具，更重要的是建立了跨物种细胞研究的通用基准平台，为理解生命基本规律开辟新路径。