来源：徽声在线科技频道

记者：李明轩

在显微镜的视野下，细胞的外形或许一目了然，但若要深入探究一个细胞究竟在执行何种功能，关键在于解析其激活了哪些基因。当前，全球科研人员已累积了数以亿计的细胞基因数据，其规模之庞大，已远超人类大脑的处理极限。

为了应对这一挑战，科学家们创新性地开发了两款人工智能（AI）模型：首先是通用细胞嵌入（UCE）技术，它能够将多样化的细胞数据映射至同一坐标系中；其次是“TranscriptFormer”模型，该模型通过深度学习，掌握了12个不同物种共计1.12亿个细胞的基因表达模式。这两款模型的协同作用，构建了一个“通用空间”，极大地简化了跨物种细胞比较的流程，并为人类疾病研究与细胞治疗领域开辟了新的探索路径。

这一突破性研究成果已分别发表于《自然》与《科学》两大权威期刊。作为项目的共同主要作者，美国斯坦福大学的生物工程学教授斯蒂芬·奎克表示，他期望这两篇论文能够成为全新研究领域的起点，并预示着未来十年，全球生物学家将面临更为广阔的研究空间。

解析细胞基因激活的奥秘

尽管每个细胞都携带着相同的基因组，但它们并不会同时激活所有基因。例如，胰腺中的β细胞会特异性地激活胰岛素相关基因，以合成并释放胰岛素；而B细胞则会激活抗体相关基因，以抵御疾病侵袭；皮肤中的特定细胞则可能激活与毛发、色素生成相关的基因。正是这些基因激活的差异，赋予了细胞多样化的功能与特性。不仅如此，健康细胞与病变细胞在基因激活模式上存在显著差异，不同物种间的细胞也展现出各自独特的基因表达图谱。

近年来，科学家们通过构建单细胞图谱，将数万个基因、数亿个细胞的数据整合至数据库中。然而，这一壮举也带来了新的挑战：如何从海量数据中提取有价值的信息？奎克教授指出：“人类大脑无法直接处理如此庞大的数据集，而AI模型则能够为我们提供强大的辅助。”他和他的团队正致力于利用算法解析这些复杂数据，为研究者们提供一双“智能之眼”。

奎克进一步解释道：“我们的目标并非取代生物学家的思考，而是为他们提供一个更为高效、精准的数据分析工具，帮助他们从海量数据中挖掘出隐藏的生物学规律。”

从“坐标构建”到“数据补全”

这两款AI模型各司其职，共同推动了细胞生物学研究的进步。

UCE模型负责构建坐标系，它能够将来自不同实验室、不同组织乃至不同物种的细胞数据，统一映射至一个抽象的数学空间中。奎克教授形象地描述道：“这个空间并非物理意义上的，而是一个用于衡量细胞间相似性与差异性的坐标系。在这个空间中，所有生物的细胞都能找到自己的位置，距离相近的细胞意味着它们在功能或进化上更为接近。”

随后，“TranscriptFormer”模型登场，它负责进行数据补全。其训练方式与ChatGPT等语言模型类似，通过反复接触大量“缺失某些基因数据”的细胞样本，学会推断空缺部分的基因表达值。随着训练的深入，该模型逐渐掌握了细胞内部基因协同工作的规律，能够准确预测未知细胞的基因表达模式。

值得一提的是，“TranscriptFormer”模型的训练数据涵盖了12个不同物种，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、海绵以及秀丽隐杆线虫等。这种跨物种的训练方式使得模型能够学习到更为通用的细胞“语言”，为跨物种细胞比较提供了有力支持。

从简单谜题到细胞“想象”

那么，这些AI模型究竟能带来哪些实际应用呢？研究团队以海绵这一简单生物为例进行了探索。

尽管海绵没有神经元，但科学家们一直好奇：海绵体内是否存在与神经元“祖先”相似的细胞类型？通过AI模型的解析，他们发现了一种名为choanocyte的细胞，该细胞在基因表达空间上与线虫、青蛙的神经元较为接近。这一发现不仅有助于理解神经元的演化历程，还重新定义了choanocyte在海绵体内的功能角色。

此外，模型还揭示了海绵体内另一种名为neuroid的细胞的真实身份。尽管其名称与神经元相似，但模型发现其基因表达模式更接近于青蛙的腺体细胞，暗示其可能参与消化过程而非神经传导。

更为令人振奋的是，这些AI模型还能够识别出未经过训练的新物种的细胞类型，并成功区分健康细胞与病变细胞。展望未来，科学家们甚至设想利用这些模型“想象”出目前尚不存在的功能性细胞，为细胞疗法的设计提供全新思路。

当然，奎克教授也强调，AI模型并非要取代生物学家，而是为他们提供一个强大的数据分析工具，帮助他们思考更为复杂、深奥的生物学问题。

此次研究得到了美国国防高级研究计划局、美国国家科学基金会以及亚马逊公司、英国葛兰素史克公司等多家机构的支持。对于细胞生物学领域而言，这两篇论文的意义不仅在于推出了一款新的AI工具，更在于为细胞研究构建了一个可跨物种、跨疾病反复使用的共同基座，为未来的生物学研究奠定了坚实基础。