Nature Methods | 告别“猜谜”式研究:CellNEST为细胞通讯分析带来前所未有的精准度与深度

360影视 欧美动漫 2025-06-10 02:28 2

摘要:在我们的身体内,一座由亿万细胞构成的生命之城正悄然运转。细胞之间通过一套精密的“秘密电报”系统,即细胞间通讯(Cell-Cell Communication, CCC),来协调行动,共同维系着我们的健康。然而,一旦这套通讯系统出现故障,比如信息错乱或出现恶意信

在我们的身体内,一座由亿万细胞构成的生命之城正悄然运转。细胞之间通过一套精密的“秘密电报”系统,即细胞间通讯(Cell-Cell Communication, CCC),来协调行动,共同维系着我们的健康。然而,一旦这套通讯系统出现故障,比如信息错乱或出现恶意信号,就可能引爆癌症、糖尿病等重大疾病。因此,精准“窃听”并破译这些细胞密语,已成为研究人员攻克疾病的关键。

然而,要做到这一点却异常艰难。传统方法就像把城市的所有居民打散混匀后才去分析他们的对话,完全丢失了关键的“地址”信息(空间位置),导致了大量的“冤假错案”。更重要的是,我们过去只能捕捉到零星的“点对点”对话,却对细胞间复杂的“信号接力赛”,即中继网络(relay network),一无所知。

6月6日《Nature Methods》的研究报道“CellNEST reveals cell–cell relay networks using attention mechanisms on spatial transcriptomics”,介绍了一位装备了顶尖人工智能(AI)的“细胞侦探”——CellNEST。它将空间转录组学提供的“细胞地图”与深度学习的“注意力机制”完美融合,能够以前所未有的精度,从海量背景噪音中识别出真正关键的通讯信号。它不仅能精准定位免疫细胞的“归巢信号”,更首次系统性地揭示了过去难以捉摸的“中继网络”。从破译大脑深处的“母爱密码”,到揭开“癌中之王”胰腺癌截然不同的“双面性格”,CellNEST正带领我们开启一个理解生命和对抗疾病的全新视角。

失落的“城市地图”:传统细胞通讯研究的困境

在CellNEST出现之前,研究人员已经开发了多种工具来研究细胞通讯。最常用的方法是基于单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)技术。这种技术可以告诉我们单个细胞里有哪些基因正在活跃地表达。研究者们通常会这样做:在一个细胞群体中,寻找高表达“配体”基因的细胞,再在另一个细胞群体中,寻找高表达其对应“受体”基因的细胞,如果两者都大量存在,就认为它们之间可能存在通讯。

这个逻辑听起来很直观,但在实践中却困难重重,主要有以下几个核心痛点:

高“冤假错案率” (高假阳性率):仅仅因为配体和受体基因表达量高,就断定它们在进行通讯,这显然过于草率。细胞的基因表达受到多种因素调控,高表达并不等于实际的功能性通讯。研究表明,仅有约6%的基因会对配体信号产生显著的表达变化。这种“宁可错杀一千,不可放过一个”的策略,导致了大量的假阳性结果,让研究者们在信息的海洋中真假难辨。

丢失空间信息,如同把城市打成“一锅汤”:scRNA-seq技术有一个致命的缺陷——它需要将组织解离成单个细胞悬液才能进行测序。这个过程彻底破坏了细胞在组织中原有的空间位置信息。想象一下,为了研究城市里人与人的交流,我们先把所有市民从他们的家和办公室里抓出来,扔进一个巨大的搅拌机里,然后再分析他们。这样一来,你就再也无法知道谁是谁的邻居,谁和谁在同一个办公室工作。而细胞通讯,尤其是需要细胞直接接触的旁分泌(paracrine)和接触依赖性(juxtacrine)通讯,是高度依赖空间距离的。失去了这张“城市地图”,我们推断出的通讯就像是空中楼阁。

视野局限,只看到“点对点”的简单对话:过去的工具大多只能识别“发送者-接收者”这样单一的配体-受体对。但真实的细胞通讯远比这复杂。它可能是一个“信号接力赛”,称之为“中继网络”(relay network)。比如,细胞A向细胞B发送信号1,激活了细胞B;细胞B被激活后,随即向细胞C发送了全新的信号2。这种跨越多个细胞的信号传递链在生物学过程中普遍存在,但传统方法几乎无法捕捉到这种复杂的通讯模式。

为了克服这些挑战,研究人员迫切需要一种新的方法,它必须能够同时整合基因表达和空间位置信息,并且有能力从复杂的背景噪音中识别出真实、多层次的通讯模式。这正是《自然·方法》杂志上这篇重磅研究所要解决的问题。他们开发了一款名为CellNEST (Cell Neural Networks on Spatial Transcriptomics) 的全新计算工具,它如同一位装备了人工智能(AI)武器的顶尖侦探,能够以前所未有的精度和深度,揭示细胞世界的秘密。

AI侦探CellNEST登场:用“注意力”聆听细胞私语

CellNEST的强大之处在于它巧妙地融合了两种前沿AI技术:空间转录组学(spatial transcriptomics)和深度学习(deep learning)。

首先,它利用了空间转录组学技术,如Visium或MERFISH。这些技术能在保持细胞原始空间位置不变的情况下,获取其基因表达谱。这就好比我们终于拿到了一张高清的“城市地图”,上面不仅标注了每个市民(细胞)的位置,还记录了他们正在“说什么”(基因表达)。

有了这张宝贵的地图和通讯

来源:生物探索

相关推荐