單細(xì)胞 轉(zhuǎn)錄組 和空間轉(zhuǎn)錄組技術(shù)使研究者能夠從細(xì)胞尺度理解組織結(jié)構(gòu)與功能，但兩類數(shù)據(jù)均具有鮮明的 分析 挑戰(zhàn)：?jiǎn)渭?xì)胞數(shù)據(jù)高維、高稀疏，空間數(shù)據(jù)雖保留空間關(guān)系卻受限于測(cè)序深度與分辨率。這些特征使傳統(tǒng)分析流程在降噪、批次校正、聚類與組織結(jié)構(gòu)解析等環(huán)節(jié)都面臨瓶頸。隨著人工智能技術(shù)的快速發(fā)展，轉(zhuǎn)錄組數(shù)據(jù)分析正在經(jīng)歷從任務(wù)驅(qū)動(dòng)到表征驅(qū)動(dòng)、再到智能體協(xié)同的范式轉(zhuǎn)變。

近日， 中國(guó)科學(xué)院昆明動(dòng)物研究所張超團(tuán)隊(duì)在Advanced Science上 發(fā)表了文章Artificial Intelligence Revolution in Transcriptomics: From Single Cells to Spatial Atlases，系統(tǒng)綜述了人工智能在單細(xì)胞和空間轉(zhuǎn)錄組中的最新進(jìn)展，將現(xiàn)有方法按設(shè)計(jì)理念與適用場(chǎng)景分為三大類：任務(wù)特定模型（Task-specific models）、基礎(chǔ)模型（Foundation Models）和 AI 智能體（AI Agents）。文章按典型數(shù)據(jù)處理流程展開，討論了三類方法在不同任務(wù)中的優(yōu)勢(shì)、局限以及相互補(bǔ)充的關(guān)系。

圖 1. 人工智能方法可分為三類：特定任務(wù)模型，具有較強(qiáng)可解釋性但泛化性有限；基礎(chǔ)模型，借助大規(guī)模數(shù)據(jù)學(xué)習(xí)可遷移表征；以及AI智能體，通過整合上述模塊實(shí)現(xiàn)工作流自動(dòng)化，并支持基于自然語言的交互操作。

作者首先回顧了單細(xì)胞與空間轉(zhuǎn)錄組常見分析流程，并總結(jié)任務(wù)特定模型在去噪、降維、細(xì)胞類型注釋、軌跡推斷、空間聚類和去卷積等任務(wù)中的發(fā)展。此類模型架構(gòu)精簡(jiǎn)、訓(xùn)練成本低、可解釋性強(qiáng)，但普遍存在泛化性有限的問題。隨后，文章重點(diǎn)討論近年來興起的基礎(chǔ)模型和AI Agents 的推動(dòng)作用?；A(chǔ)模型通過大規(guī)模預(yù)訓(xùn)練實(shí)現(xiàn)跨任務(wù)遷移與強(qiáng)表征能力，能夠顯著提升空間預(yù)測(cè)、跨物種整合和細(xì)胞類型識(shí)別等任務(wù)的表現(xiàn)。然而，其計(jì)算資源需求高、訓(xùn)練成本大，讓部分研究者難以使用。與此同時(shí)，AI Agents 作為一種新興的“工作流智能體”，可以調(diào)用任務(wù)特定工具、解析用戶指令并自動(dòng)執(zhí)行分析步驟，在組織多模態(tài)數(shù)據(jù)分析、加速科研迭代方面展現(xiàn)潛力。作者也指出，當(dāng)前 Agent 的有效性高度依賴大語言模型能力，端到端的穩(wěn)健性能仍需進(jìn)一步發(fā)展。最后，綜述提出了該領(lǐng)域的若干關(guān)鍵機(jī)遇與挑戰(zhàn)。作者展望三類方法將在未來趨于融合，構(gòu)建一個(gè)面向科研需求的“虛擬實(shí)驗(yàn)室（virtual lab）”，以更智能、更可靠的方式推動(dòng)生物發(fā)現(xiàn) 。作為補(bǔ)充，作者團(tuán)隊(duì)提供了一個(gè)公開維護(hù)的網(wǎng)站，系統(tǒng)匯總了本文討論的算法及其對(duì)應(yīng)的可訪問性、性能指標(biāo)和訓(xùn)練方法：

https://zhanglab-kiz.github.io/review-ai-transcriptomics

中科院昆明動(dòng)物所博士生李世鑫，碩士生肖天翔，科研助理蘭媛媛為共同第一作者，張超研究員為該論文通訊作者。北京大學(xué)李程研究員為該文提供了大量建設(shè)性建議和意見。

https://advanced.onlinelibrary.wiley.com/doi/10.1002/advs.202518949

制版人： 十一

學(xué)術(shù)合作組織

（*排名不分先后）

戰(zhàn)略合作伙伴

（*排名不分先后）

轉(zhuǎn)載須知

【非原創(chuàng)文章】本文著作權(quán)歸文章作者所有，歡迎個(gè)人轉(zhuǎn)發(fā)分享，未經(jīng)作者的允許禁止轉(zhuǎn)載，作者擁有所有法定權(quán)利，違者必究。

BioArt

Med

Plants

人才招聘

近期直播推薦

點(diǎn)擊主頁推薦活動(dòng)

關(guān)注更多最新活動(dòng)！