最初相同的 DNA，為何最終有的長成神經(jīng)元，有的成為血細胞，有的是胰島細胞？

數(shù)十年來，生物學(xué)家理解細胞會分化，但一個長期來很難準確預(yù)測的問題是：如果改動一個關(guān)鍵基因，細胞命運將發(fā)生怎樣的改變？

現(xiàn)在，一個新型AI 模型開始嘗試回答這個問題：作為可操作的計算機模擬“細胞模型”，模擬調(diào)控擾動并生成可驗證、解釋細胞命運決定機制的假說。

近期，德國亥姆霍茲慕尼黑中心 Fabian J. Theis 教授和英國牛津大學(xué) Tatjana Sauka-Spengler 教授團隊合作，開發(fā)了一種端到端的深度學(xué)習(xí)模型 RegVelo（Regulatory Velocity），首次將神經(jīng)網(wǎng)絡(luò)與細胞動態(tài)變化過程融合在同一框架中。

具體而言，研究人員通過結(jié)合微分方程和神經(jīng)網(wǎng)絡(luò)建模細胞內(nèi)部的調(diào)控方式，對細胞的動態(tài)表達數(shù)據(jù)進行擬合，這樣可以通過計算機模擬改變基因調(diào)控關(guān)系（例如敲除某個轉(zhuǎn)錄因子、下調(diào)調(diào)控特定回路），來預(yù)測細胞的命運將如何改變。

值得關(guān)注的是，研究團隊將 RegVelo 應(yīng)用于多個復(fù)雜的多譜系分化系統(tǒng)，無論在小鼠胰腺內(nèi)分泌發(fā)育、人類造血分化，還是斑馬魚神經(jīng)嵴發(fā)育，該模型都表現(xiàn)出穩(wěn)定且相對準確的終端狀態(tài)識別能力。

（來源：受訪者）

可以這樣來理解這項研究：RegVelo 從觀測細胞運動的軌跡，同時推斷驅(qū)動運動的內(nèi)在調(diào)控邏輯，并用這個邏輯預(yù)測干預(yù)調(diào)控后的新軌跡。

該論文第一作者、亥姆霍茲慕尼黑中心博士生汪偉旭的研究方向是從調(diào)控網(wǎng)絡(luò)預(yù)測細胞的分化的構(gòu)建過程，他對 DeepTech 解釋道：“這就像我們考駕照科目三時，不同的考生（目標基因）和考官（轉(zhuǎn)錄因子）的組合會有不同的行車結(jié)果，我去理解考官去調(diào)控考生的機制，最后可以告訴你，如果換一個考官或干脆不要考官了，科目三能不能過（即你的行車軌跡是滿分）?！?/p>

電腦模擬實驗是 RegVelo 的應(yīng)用方向之一。汪偉旭認為，更令人興奮的場景是類器官研究。類器官領(lǐng)域最大的瓶頸并非能否長出細胞，而是分化效率不穩(wěn)定、細胞成熟度不夠、某些關(guān)鍵細胞類型難以誘導(dǎo)出現(xiàn)，這三個問題背后都指向同一個核心問題：哪些轉(zhuǎn)錄因子在哪個時間窗口驅(qū)動了正確的分化，而這恰好適合 RegVelo 來回答的問題。

具體來說，可在現(xiàn)有類器官單細胞數(shù)據(jù)上建模調(diào)控動態(tài)，然后在計算機預(yù)測“如果在某個發(fā)育窗口激活或抑制某個轉(zhuǎn)錄因子情況下，最終的細胞組成會如何變化”，再把最有希望的幾個預(yù)測進行實驗驗證，把分化協(xié)議的優(yōu)化從純粹的實驗試錯壓縮到計算引導(dǎo)的定向驗證。

更進一步，對于類器官疾病模型，可以用患者來源的誘導(dǎo)多能重編程干細胞（iPSC）建立模型，在計算機里模擬不同的基因干預(yù)，預(yù)測哪些干預(yù)能把異常的細胞命運糾正回正常軌道，這讓 RegVelo 有潛力成為藥物靶點篩選的前端計算平臺。

總體來說，這項技術(shù)為發(fā)育生物學(xué)、再生醫(yī)學(xué)和疾病機制研究提供了一種具有預(yù)測擾動和分析擾動后結(jié)局的工具，有望顯著減少功能篩選實驗的盲目性，通過優(yōu)先驗證計算預(yù)測排名靠前的候選因子，進而加速關(guān)鍵調(diào)控因子的發(fā)現(xiàn)進程。

圖丨相關(guān)論文（來源：Cell）

近日，相關(guān)論文以《RegVelo：基于基因調(diào)控信息的單細胞動態(tài)變化建模》（RegVelo: Gene-regulatory-informed dynamics of single cells）為題發(fā)表在 Cell[1]。亥姆霍茲慕尼黑中心博士生汪偉旭和武漢大學(xué)胡致遠教授，紀念斯隆-凱特林癌癥中心 Philipp Weilier 博士是共同第一作者，姆霍茲慕尼黑中心 Fabian J. Theis 教授和牛津大學(xué) Tatjana Sauka-Spengler 教授擔(dān)任共同通訊作者。

細胞命運，究竟是誰決定的？

要理解用最基礎(chǔ)的功能單元做虛擬細胞的意義，我們要先從虛擬細胞的歷史演進講起。1943 年，埃爾溫·薛定諤（Erwin Schrodinger）在都柏林高等研究院期間的演講，后來被總結(jié)成一本書《生命是什么》。

很多人不知道的是，這本書的副標題是《活細胞的物理學(xué)方面》（The physical aspect of the living cell），這也是最早思考活細胞底層的物理學(xué)原理：細胞作為最小功能單元是有序的，而彼時統(tǒng)計熱力學(xué)正探討如何從無序產(chǎn)生有序。

這與格雷戈爾·約翰·孟德爾（Gregor Johann Mendel）豌豆雜交實驗揭示的遺傳決定論存在沖突，即存在“有序到有序”的過程。薛定諤提出兩個推測：一是遺傳物質(zhì)如果要穩(wěn)定并儲存信息，必須是非周期性晶體；二是生命依靠負熵而活，即我們通過外界的食物和其他負熵體來維持自身的有序性。

此外他還推測，應(yīng)該有新物理或新理論解釋遺傳秩序（即基因里的秩序）如何放大到整個有機體。這套想法為現(xiàn)代分子生物學(xué)和生物信息學(xué)奠定了重要的基礎(chǔ)，他較早將信息概念引入生物學(xué)，并為細胞觀提供了一種機械論視角。

非周期性晶體的思想啟發(fā)了科學(xué)家，最終促成了 DNA 雙螺旋的發(fā)現(xiàn)，“從有序到有序”的認識則為弗朗西斯·克里克（Francis Crick）提出中心法則（central dogma）提供了重要的思想基礎(chǔ)。

但細胞尺度的有序性如何建立仍待回答：相同遺傳物質(zhì)如何決定不同細胞類型？DNA 序列改變?nèi)绾萎a(chǎn)生新細胞類型？外部信號能否轉(zhuǎn)換細胞狀態(tài)？2024 年，斯坦福大學(xué)教授、著名研究機構(gòu)陳-扎克伯格倡議（Chan Zuckerberg Initiative, CZI）的科學(xué)主管斯蒂芬·奎克（Stephen Quake）將此稱為“細胞法則”，它被看作虛擬細胞的真正母題，而并非簡單的擾動預(yù)測。

1957 年，英國發(fā)育生物學(xué)家康拉德·沃丁頓（Conrad Waddington）提出了著名的景觀隱喻模型 Waddington 景觀：細胞發(fā)育的過程就像小球（細胞）從山頂滾入山谷，其中山頂分化勢能最高，最終進入山谷并分化成當(dāng)不同的終末細胞類型。他認為，景觀之所以被塑造是復(fù)雜的遺傳物質(zhì)之間的調(diào)控網(wǎng)絡(luò)塑造決定了細胞分化的方向。

該理論也啟發(fā)了系統(tǒng)生物學(xué)家們從 21 世紀初開始研究基因調(diào)控回路問題，但受限于理論和硬件方面的約束，當(dāng)時由于缺乏解數(shù)千個基因的動力學(xué)方程模型的數(shù)值求解器，只能用經(jīng)典動力學(xué)研究相關(guān)過程。

隨著 2010 年代單細胞測序技術(shù)（scRNA-seq）成熟，首次為全基因組尺度觀測數(shù)據(jù)提供了支持。并且 GPU 和深度學(xué)習(xí)技術(shù)也開始發(fā)展，出現(xiàn)了混合模型（hybrid model）：常微分方程提供動力學(xué)骨架，神經(jīng)網(wǎng)絡(luò)從數(shù)據(jù)中學(xué)習(xí)未知調(diào)控關(guān)系，GPU 求解器使高維計算可行。

因此，從“細胞作為信息處理單元”的歷史發(fā)展演進來看，Waddington 的景觀提供了隱喻，系統(tǒng)生物學(xué)把它變成方程，而混合模型則將其進一步發(fā)展為可以從數(shù)據(jù)學(xué)習(xí)的計算問題。

為什么之前的模型會“看反”

如何檢驗?zāi)Ｐ驼鎸嵱行?，并在生物?shù)據(jù)中具備一定泛化能力，這是 AI for Biology 的常見問題之一。RegVelo 想要解決的核心問題是：細胞的分化是如何被基因調(diào)控回路確定下來的？

如果從目前的 AI 系統(tǒng)去看，不難發(fā)現(xiàn)其最擅長的是有明確信息流動的，即“從有序到有序”的過程。比如蛋白質(zhì)折疊問題，從一級氨基酸序列到三維空間結(jié)構(gòu)，有著明確的帶邊界的狀態(tài)空間。

所以，對于 AI 系統(tǒng)來說要在生物數(shù)據(jù)中能走通，有時候問題能否被解決，不只取決于數(shù)據(jù)規(guī)?；蚰Ｐ图軜?gòu)，更根本的是問題本身是否被正確地表達——能否找到一個有明確信息流動方向的有序框架來定義輸入和輸出。特別是當(dāng)問題的輸出并不是有序時，能否放在一個有序的框架下進行檢驗。

（來源：Cell）

在這項研究中，RegVelo 在得到速度場后，研究人員可以預(yù)測細胞分化的終態(tài)在哪，從對分化終態(tài)的預(yù)測中來判斷模型好壞。汪偉旭表示：“在這項研究中我最滿意的設(shè)計，是結(jié)合我們課題組建立的一套描述細胞命運的框架CellRank?！?/p>

該框架提供了在給定速度場下描述細胞命運的分化概率，可以研究在擾動后不同細胞命運的概率變化，以得到最終去往某個狀態(tài)的可能性高低的改變，甚至是估計最終成熟的細胞狀態(tài)細胞密度的變化。在得到一個有序的、可被實驗去直接檢驗的統(tǒng)計量之后，可直接和 Perturb-seq 實驗對齊，來判斷模型是否有效。

“所以，AI for Biology 在未來很長時間內(nèi)的真正邊界，可能不是算力，不是數(shù)據(jù)量，而是生命過程中有多少東西可以被合法地表達為有序到有序的映射?！蓖魝バ裰赋?，這也是他認為目前 AI in life science 的研究者該做的事情，不是換一個模型架構(gòu)，也不是 scale up 到更大的數(shù)據(jù)集，而是結(jié)合 AI 知識和對生物學(xué)實驗的理解，判斷出一個合適且可放在實驗體系下證偽的問題，優(yōu)先級高于前兩者。

11 次敲除實驗，AI 預(yù)測準確率接近翻倍

傳統(tǒng)的 RNA 速度模型假設(shè)轉(zhuǎn)錄速率是恒定的或只有一次“開關(guān)”，但該假設(shè)在造血系統(tǒng)等場景下不成立。

在造血場景中，由于轉(zhuǎn)錄速率并非恒定不變，而是與細胞狀態(tài)密切相關(guān)，因此經(jīng)常會出現(xiàn)一種反?，F(xiàn)象：當(dāng)許多基因?qū)嶋H上處于極強的轉(zhuǎn)錄誘導(dǎo)狀態(tài)時，模型卻錯誤地判斷它們處于抑制狀態(tài)。這導(dǎo)致最終推斷出的速度場與已有的生物學(xué)認知完全相反。

RegVelo 之所以能夠改善這一問題主要基于兩點：一是嘗試擬合更靈活的動力學(xué)軌跡 ；二是認為每個基因的轉(zhuǎn)錄速率受上游的轉(zhuǎn)錄因子的影響，即建模每個基因的轉(zhuǎn)錄速率并非恒定，且表示成由轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)介導(dǎo)的上游調(diào)控因子的作用，也可以理解為當(dāng)前細胞狀態(tài)來決定轉(zhuǎn)錄速率。

汪偉旭進一步補充道：“但是，在一些造血系統(tǒng)的數(shù)據(jù)集中，RegVelo 也不能完全解決，這背后可能是說轉(zhuǎn)錄速率不光受調(diào)控網(wǎng)絡(luò)本身的影響，還有一些其他未能觀測的部分?！?/p>

圖丨RegVelo 的核心模型（來源：Cell）

研究團隊在斑馬魚上做了 11 種轉(zhuǎn)錄因子敲除，RegVelo 的預(yù)測結(jié)果與實際實驗數(shù)據(jù)的斯皮爾曼相關(guān)性達到 0.52，而其他方法都低于 0.25。

由于不同方法定義擾動輸出的形式不同，研究人員提出了“密度變化似然”，以將所有的方法用同一種統(tǒng)計量來對其 Perturb-seq 實驗的結(jié)果。在該實驗中，他們通過觀察終末分化細胞類型中擾動前和擾動后細胞密度的變化，來判斷是否存在消耗或者富集。

具體而言，假如在模擬中有擾動前和擾動后的速度場，可以在計算機中模擬一個細胞如何沿著這個速度場，最終抵達終末分化的細胞類型，同時重復(fù)模擬該過程多次。

汪偉旭指出，這就像有多個細胞不斷遷移最終抵達終末的細胞類型，可以直接統(tǒng)計最終終末細胞類型中成功抵達的細胞數(shù)量在擾動前后的變化，這樣能和實驗統(tǒng)計的結(jié)果在定義上具備了可比的條件。

談及能夠?qū)崿F(xiàn)接近翻倍準確率提升的原因，他坦言，“這要得益于我們的合作者胡致遠教授和 Sauka-Spengler 教授在實驗環(huán)節(jié)的巨大貢獻。我們做的斑馬魚實驗是真正意義上在斑馬魚體內(nèi)發(fā)育過程的擾動，這使得實驗本身和 RegVelo 的計算模擬是對齊的?！?/p>

（來源：受訪者）

在研究實驗中，RegVelo 有個有意思的預(yù)測現(xiàn)象：它能識別發(fā)育過程中早期高表達、但在終末狀態(tài)已經(jīng)下調(diào)的譜系驅(qū)動因子。這類因子通常只在較早的發(fā)育窗口中表達，等到細胞抵達終末狀態(tài)時，其 mRNA 信號可能已經(jīng)減弱甚至消失。因此，依賴終末細胞類型高表達關(guān)系的方法容易將它們漏掉，或把其誤歸為早期或中間狀態(tài)的標志基因。例如，ets1、nr2f5、sox9b 和 twist1b 等顱面間充質(zhì)相關(guān)轉(zhuǎn)錄因子在神經(jīng)嵴板和脫層階段高表達，在終末狀態(tài)中顯著下調(diào)。

相關(guān)性方法和部分擾動預(yù)測方法將這些因子指向 mNC hox34 等狀態(tài)； RegVelo 則通過基因調(diào)控網(wǎng)絡(luò)（GRN）約束下的前向模擬，將它們識別為顱面間充質(zhì)譜系的早期驅(qū)動因子。

圖丨RegVelo 的擾動預(yù)測流程（來源：Cell）

但另一個問題是，生命體有復(fù)雜的冗余機制來維持其系統(tǒng)穩(wěn)定。例如，研究人員在實驗中觀測到，有些轉(zhuǎn)錄因子在過去報道中與第二咽弓細胞的發(fā)育有關(guān)，但他們實驗上發(fā)現(xiàn)，敲除這些轉(zhuǎn)錄因子并不會影響第二咽弓的發(fā)育。

“這背后一種解釋是，會存在其他功能類似的轉(zhuǎn)錄因子通過復(fù)雜的反饋調(diào)節(jié)機制，來提高其產(chǎn)物豐度從而繼續(xù)維持功能。”汪偉旭表示。

當(dāng)外部信號來敲門：CellFlow

在單細胞計算領(lǐng)域，F(xiàn)abian Theis 課題組早期做了一系列奠基工作：從單細胞數(shù)據(jù)設(shè)計的數(shù)據(jù)結(jié)構(gòu)標準 AnnData，到 Python 單細胞分析主流的基礎(chǔ)工具庫之一 Scanpy，再到單細胞深度學(xué)習(xí) scGen 等。

在虛擬細胞方向，除了從物理細胞層面出發(fā)的 RegVelo，研究團隊還有另一項從生成模型出發(fā)的研究 CellFlow[2]，這也是首個基于流匹配的生成框架做表達擾動問題的方法。

“CellFlow 主要是回答我所提到細胞學(xué)說（cellular dogma）的第三點：外部的一些信號刺激下，細胞狀態(tài)能否實現(xiàn)轉(zhuǎn)換?！蓖魝バ癖硎尽嶋H上，這正是當(dāng)下虛擬細胞問題主流的定義，即給定形態(tài)因子（例如 CRISPR、細胞因子或藥物）后，細胞的表達狀態(tài)如何從 A 變成 B。

圖丨一種用于探索細胞表型空間的工具 CellFlow（來源：bioRxiv）

虛擬細胞領(lǐng)域中最早的擾動模型，可以追溯到 Theis 課題組 2019 年發(fā)表在 Nature Methods 的 研究 scGen[3]，這也是最早關(guān)于擾動問題的定義。但它是基于 VAE 的簡單架構(gòu)，且并未直接對外源的形態(tài)因子的信息作為輸入直接建模。

隨著單細胞測序技術(shù)通量越來越高，圍繞大規(guī)模的擾動實驗成為可能后，研究團隊希望通過強大的生成模型，從擾動數(shù)據(jù)中學(xué)到擾動效應(yīng)和形態(tài)因子的表征之間的統(tǒng)計關(guān)聯(lián)。

應(yīng)用流匹配模型的優(yōu)勢在于：首先，它具有可擴展性，能夠進行十億級別數(shù)據(jù)的訓(xùn)練；其次，在目前已知的很多場景中，它的生成效果優(yōu)于很多其他模型。未來，可基于該生成模型做類似類器官的分化方案設(shè)計，或直接給定生成目標，基于該模型逆向地合成形態(tài)發(fā)生素，即用怎樣的 CRISPR 來引導(dǎo)細胞去生成目標狀態(tài)。

距離真正的虛擬細胞，還有多遠？

目前，RegVelo 仍存在一些局限性：首先，RegVelo 對全局潛在時間的處理仍可能無法覆蓋所有基因特異性的時間動態(tài)；其次，雖然模型可利用來自多組學(xué)數(shù)據(jù)的先驗 GRN，但當(dāng)前調(diào)控模型仍較簡化，對 TF 活性、染色質(zhì)可及性和更復(fù)雜非線性調(diào)控的直接建模仍然有限；此外，對 GRN 調(diào)控邊穩(wěn)定性的重采樣評估通常需要多次重復(fù)訓(xùn)練模型，計算成本較高。

未來如果進一步整合代謝標記 RNA、染色質(zhì)可及性、TF 活性、RNA 結(jié)合蛋白互作和蛋白層面的信息，RegVelo 對細胞狀態(tài)變化的模擬維度還可進一步擴展。另一個重要的問題是，現(xiàn)階段 RegVelo 尚未形成整合空間轉(zhuǎn)錄組數(shù)據(jù)的能力，而空間組織恰恰是類器官的核心特征之一。

在本次研究中僅考慮細胞內(nèi)部調(diào)控機制，但并未回答當(dāng)存在外部信號輸入時，比如空間上的微環(huán)境或加藥后如何修改內(nèi)部的調(diào)控邏輯。在未來的研究階段中，研究團隊計劃繼續(xù)探索這些問題。

目前，該課題組與谷歌、英偉達等大型企業(yè)在 AI 科學(xué)家、虛擬細胞等方面進行項目合作。RegVelo 和 AI 科學(xué)家的交叉點在于：RegVelo 提供的是一個有物理約束的專有模型，它生成的預(yù)測是結(jié)構(gòu)化的、可解釋的假設(shè)；而 AI 科學(xué)家提供的是對這些假設(shè)進行推理和優(yōu)先級排序的能力。

兩者的結(jié)合，正好對應(yīng)了 AI for Science 最合理的分工方式：將模擬細胞功能的各種專有模型部署到智能體中，通過這些專有模型生成假設(shè)，同時通過智能體的推理能力，來判斷這些假設(shè)是否和已知的知識沖突，從而生成可信的新假設(shè)進行驗證。

這里涉及到一個更根本的問題：學(xué)界和工業(yè)界在 AI for Science 中應(yīng)該如何分工？在汪偉旭看來，學(xué)界需要做的是在細胞的尺度上，找到并定義一些特定的場景，對應(yīng)了某種有序到有序、信息流動方向明確的問題；而工業(yè)界可以通過更強的算力和新模型框架，從工程上把這個問題解決。

“不同的專有模型，就像在樂團中扮演不同的角色，有人彈鋼琴、有人吹小號、還有人唱歌，進而各司其職去執(zhí)行模擬細胞不同功能。智能體就像一個指揮家來協(xié)調(diào)不同的功能，來創(chuàng)造優(yōu)美的旋律：通過產(chǎn)生合理的假設(shè)，引導(dǎo)后續(xù)的實驗設(shè)計?！?/p>

另一個重要的問題是，RegVelo 所代表的細胞模型與目前 Evo 以及 AlphaGenome 代表的基因組學(xué)模型長期脫節(jié)。因此，未來研究團隊希望能關(guān)聯(lián)兩者，直接耦合從基因組到細胞命運調(diào)控。希望屆時 RegVelo 可以回答細胞學(xué)說的關(guān)鍵問題：當(dāng)引入一些基因組上的突變，特別是調(diào)控元件上的突變后，最后如何影響細胞的命運。

參考資料：

1.https://www.cell.com/cell/fulltext/S0092-8674(26)00457-5

2.https://doi.org/10.1101/2025.04.11.648220

3.https://doi.org/10.1038/s41592-019-0494-8

排版：胡巍巍

注：封面/首圖由 AI 輔助生成