過去，科學(xué)家觀察研究細(xì)胞的工具很有限。

隨著技術(shù)進(jìn)步，科學(xué)家能同時(shí)拿到這些關(guān)于細(xì)胞的分子信息，例如DNA、轉(zhuǎn)錄組、蛋白質(zhì)豐度等。

然而，生物學(xué)數(shù)據(jù)的難點(diǎn)不僅在于獲取，還在于如何分析與解讀。

我們雖然看到了更全更多的信息，科學(xué)家卻經(jīng)常分不清哪些信息決定了細(xì)胞的功能。

近期，來自麻省理工、哈佛布羅德研究所及蘇黎世聯(lián)邦理工學(xué)院的研究團(tuán)隊(duì)，推出了一款名為APOLLO的AI新框架。

這項(xiàng)研究為科學(xué)家提供了全新的視角：細(xì)胞行為的導(dǎo)航地圖，而不是一堆互不關(guān)聯(lián)的細(xì)胞數(shù)據(jù)。

這項(xiàng)研究于近日發(fā)表于《Nature Computational Science》上。

它有望為疾病診斷、藥物研發(fā)乃至合成生物學(xué)打開一扇新的大門。

正如第一作者zhang xinyi所言：“歸根結(jié)底，細(xì)胞只有一個(gè)底層狀態(tài)。通過更智能地整合所有觀測視角，我們終于能看清這個(gè)生命基本單元的真實(shí)面貌�！�

細(xì)胞這個(gè)黑匣子，現(xiàn)在有了儀表盤

隨著工具、檢測手段的不斷發(fā)展，科學(xué)家們可以同時(shí)測量單個(gè)細(xì)胞的多種特征。

如基因表達(dá)、染色質(zhì)可及性、蛋白質(zhì)豐度，甚至細(xì)胞圖像等各種類型的數(shù)據(jù)。

這些數(shù)據(jù)就好像關(guān)于細(xì)胞這一基本生命單元的不同「信息拼圖」。

不過，現(xiàn)有方法往往只能把所有信息整合在一起，就像一個(gè)混淆的黑匣子。

結(jié)果是，雖然看起來像是拼好了，但我們根本不知道到底是哪一塊拼圖決定了細(xì)胞的某個(gè)功能。

因?yàn)榧?xì)胞的結(jié)構(gòu)太復(fù)雜了，不同的拼圖塊里既有共享信息（比如反映細(xì)胞的身份），也有各自獨(dú)有信息（細(xì)胞形狀、代謝活動(dòng)、蛋白質(zhì)表達(dá)）。

甚至于選擇哪一部分信息，對于科學(xué)家而言都是一個(gè)挑戰(zhàn)。

例如科學(xué)家很難知道，某個(gè)癌癥到底是因?yàn)榛蜃兞耍�是因?yàn)榈鞍踪|(zhì)堆積了，或者是兩者共同作用？

這種“混合信息”讓很多生物學(xué)謎題解不開。

為解決這一問題，麻省理工學(xué)院和哈佛大學(xué)布羅德研究所以及蘇黎世聯(lián)邦理工學(xué)院保羅·謝勒研究所（PSI）的研究人員開發(fā)了一個(gè)名為APOLLO的AI驅(qū)動(dòng)的框架。

該研究能夠自動(dòng)地解耦多模態(tài)數(shù)據(jù)中「共享信息」與「模態(tài)特異性信息」。

換句話說，它就像一個(gè)高效的信息分揀系統(tǒng)，能夠分揀出細(xì)胞狀態(tài)中哪些信息在不同測量方式間共享，哪些信息是特定測量類型獨(dú)有的。

該框架主要分為兩步訓(xùn)練策略：

1、潛在空間優(yōu)化：建立信息地圖

APOLLO先學(xué)習(xí)如何從原始數(shù)據(jù)中重建信息，就像小孩通過拼圖學(xué)習(xí)形狀匹配。系統(tǒng)通過反復(fù)試錯(cuò)，逐漸構(gòu)建出信息的地圖。

2、推斷 ：培養(yǎng)信息向?qū)?/strong>

一旦地圖繪制完成，APOLLO就訓(xùn)練專門的編碼器，能夠快速將新的檢測數(shù)據(jù)定位到正確的位置。

隨之而來的，不同于傳統(tǒng)模型，APOLLO讓這個(gè)過程變得透明，研究人員能夠清楚地看到：

• 哪些信息是不同檢測方法共享的

• 哪些信息是某種方法特有的

• 這些信息如何影響最終的細(xì)胞狀態(tài)

這對科學(xué)家而言是一個(gè)強(qiáng)大的工具。

驗(yàn)證與實(shí)際應(yīng)用

APOLLO 在多個(gè)真實(shí)數(shù)據(jù)集上表現(xiàn)出了強(qiáng)大的能力。

在配對測序數(shù)據(jù)任務(wù)中(SHARE-seq)，它成功區(qū)分了由轉(zhuǎn)錄組和染色質(zhì)開放性共同捕獲的基因活動(dòng)，以及僅由其中一種模態(tài)捕獲的活動(dòng)。

例如，共享空間主要包含轉(zhuǎn)錄調(diào)控因子，而RNA特異性空間包含細(xì)胞周期相關(guān)基因。

針對基因+蛋白質(zhì)（CITE-seq 數(shù)據(jù)）分類中，團(tuán)隊(duì)把不同時(shí)間、不同機(jī)器做出來的實(shí)驗(yàn)數(shù)據(jù)混在一起，這會(huì)導(dǎo)致有很多噪音或批次效應(yīng)。

APOLLO 成功將細(xì)胞類型與批次效應(yīng)分離至共享空間與RNA 特異性空間，能把臟數(shù)據(jù)洗得很干凈。

那么，APOLLO有什么神奇應(yīng)用呢？

隨著單細(xì)胞技術(shù)的不斷發(fā)展，APOLLO這樣的方法將幫助我們在更深層次上理解生命的復(fù)雜性。

促進(jìn)精準(zhǔn)醫(yī)療

這項(xiàng)技術(shù)有望為個(gè)性化醫(yī)療提供了強(qiáng)大支持。醫(yī)生未來可能通過相對簡單的檢測，就能預(yù)測患者細(xì)胞更復(fù)雜的特征，為疾病診斷和治療提供更全面的信息。

發(fā)現(xiàn)疾病標(biāo)志物

在癌癥研究中，APOLLO有望幫助科學(xué)家區(qū)分哪些細(xì)胞特征是所有癌細(xì)胞共有的，哪些是特定類型癌癥特有的。

加速藥物研發(fā)

在藥物研發(fā)中，APOLLO可以幫助科學(xué)家更精確地理解藥物如何影響細(xì)胞的不同方面，加快新藥開發(fā)進(jìn)程。

用于合成生物

這一點(diǎn)至關(guān)重要，因?yàn)榫帉懟蚧芈泛苋菀�，但它能夠預(yù)測如何在染色質(zhì)、RNA、蛋白質(zhì)和形態(tài)結(jié)構(gòu)中發(fā)揮作用。

華人科學(xué)家一作

該研究的第一作者ZhangXinyi，是一位華人科學(xué)家，先后到加州大學(xué)伯克利分校和麻省理工學(xué)院求學(xué)。

2026年2月，她入職奧地利科學(xué)院AITHYRA研究所并建立課題組。

針對上述研究，她表示：“當(dāng)我們研究細(xì)胞時(shí)，一次測量往往不夠，因此科學(xué)家們開發(fā)新技術(shù)來測量細(xì)胞的不同方面。雖然我們有多種觀察細(xì)胞的方式，但歸根結(jié)底，我們只有一個(gè)底層細(xì)胞狀態(tài)。通過更智能地將所有這些測量方式的信息整合在一起，我們可以更全面地了解細(xì)胞的狀態(tài)。”

這有助于科學(xué)家理解疾病機(jī)制，追蹤癌癥、阿爾茨海默病等神經(jīng)退行性疾病以及糖尿病等代謝疾病的進(jìn)展。

未來，我們將看到更多理解與預(yù)測生物學(xué)預(yù)言的大模型，助力人類攻克各類疾病。

—The End—