Cell：新AI模型能预测细胞命运走向
来自Stowers医学研究所、亥姆霍兹慕尼黑中心、慕尼黑工大以及牛津大学的科研团队联手打造了RegVelo——这是一种创新的人工智能架构，它能同步模拟细胞动态变化与基因调控机制，助力专家们预测、模拟并经实验证实细胞究竟如何抉择其命运。
该研究成果已于2026年5月11日刊登在《细胞》期刊上。
单个细胞究竟如何知晓自己应分化为色素细胞、血细胞还是神经元？长久以来，科学家们虽能描绘出细胞的最终去向。但更棘手的是，搞清楚究竟是哪些分子调节因子指引它们抵达终点，以及当这些调节因子出现变动时又会引发何种后果。
如今，一支科研团队研发出了RegVelo，这是一种依托人工智能的模型，旨在缩小上述认知鸿沟。该框架于2026年5月11日见刊于《细胞》杂志，它协同探究了细胞随时间推移的演变方式，以及是哪些基因调控网络驱动了这些演变——从而为对其轨迹及其背后的分子引擎进行建模提供了可能。
连接两个并行运作的领域
单细胞生物学为专家们提供了日益详尽的发育图谱。RNA速度技术用于估算细胞在发育景观中的移动路径；基因调控网络法则用于识别基因间的相互关联。迄今为止，这些方法大多是被并行应用，而非协同使用。
RegVelo填补了这一空白。在RNA速度的基础上——即从未成熟RNA与已加工RNA的比率中推断细胞的变化方向——该模型增添了一个关键层级：它不再将基因视为孤立单元，而是视为网络的一部分，在此网络中，每个基因都能激活或抑制其他基因。其成果便是这样一个框架：既能追踪发育轨迹，又能模拟具体监管干预所带来的影响。
“长久以来，细胞动力学与基因调控在很大程度上是被分开建模的。RegVelo将这些碎片整合起来，让我们不仅能洞悉细胞如何变化，还能明白哪些调节相互作用有助于推动这些变化。”该研究的共同资深作者、慕尼黑亥姆霍兹计算健康中心（CHC）主任Fabian J. Theis教授表示。
基于互补优势的协作
RegVelo源于跨机构整合实验与计算专业知识的协作。Tatjana Sauka-Spengler博士是Stowers医学研究所的资深作者及研究员，她于2022年将实验室从牛津迁至Stowers。Sauka-Spengler目前仍是牛津大学MRC Weatherall分子医学研究所的客座教授，她从其团队对脑神经嵴发育的研究中贡献了高分辨率的基因调控回路。泰斯在慕尼黑亥姆霍兹大学的研究小组引入了模拟单细胞轨迹和RNA速度的计算工具。第一作者王伟旭系CHC的博士研究员，他主导了统一深度学习框架的开发工作。
“令这项工作尤为强大的是互补优势的融合，”Tatjana Sauka-Spengler说道。我们实验室提供的高分辨率基因调控回路，加上法比安团队在动态轨迹和网络建模方面的专业特长。RegVelo首次将这两种视角集成到了同一个框架之中。
斑马鱼验证了预测结果
研究团队在多种生物系统中对RegVelo进行了测试，涵盖细胞周期、血细胞生成及胰腺发育等。最详尽的案例研究聚焦于斑马鱼神经嵴细胞，这是一类多功能的胚胎细胞群，能够分化为色素细胞、神经细胞以及颅面组织。
RegVelo发现tfec是色素细胞发育的早期驱动力，并揭示了elf1是色素细胞命运的一个此前未知的调节因子。通过CRISPR/Cas9敲除实验和单细胞Perturb-seq实验，这两项预测得到了验证，表明该模型能够生成在生命系统中成立的、具有生物学意义的假设。
“发育过程通常被描述为一系列细胞状态的静态快照，”Sauka-Spengler指出。我们真正渴望了解的是细胞如何做出决策——即它们如何从一种状态过渡到另一种状态。RegVelo模拟了这些命运决策是如何随时间在基因调控网络中被编码的，以及又是何种力量驱动了它们。
Wang表示：“RegVelo让我们得以窥见，当某个特定的基因调节因子被关闭时，它会对细胞的发育路径产生何种影响。”我们可以从单细胞数据中得出可验证的预测，即哪些基因调节因子会促进、延缓或重定向特定的发育路径。
迈向虚拟细胞模型的一步
研究人员将RegVelo描述为向更具预测性的发育生物学迈进的一步，在此过程中，计算模型可协助确定实验优先级，发现隐藏的调节因子，并预测基因网络受扰时细胞命运可能发生的演变。展望未来，该方法能帮助研究人员更深入地理解与疾病相关的细胞状态，并锁定新的治疗靶点——涵盖发育障碍、癌症生物学及再生医学等领域。
“RegVelo是迈向虚拟细胞模型的一步，它将协助我们更透彻地理解细胞在分化环境中的行为，以及它们如何对基因扰动做出响应，”泰斯称。“从长远来看，这将有助于我们确定新疗法的潜在切入点。”
Sauka-Spengler补充道：“对那些已被预测、模拟、干扰及验证过的基因调控回路进行全面分析，为我们提供了一个极为可靠的工具。”“我们可以从干细胞或无细胞状态起步，并开发新方法，将其导向可用于细胞治疗的细胞类型。”
参考文献
RegVelo: Gene-regulatory-informed dynamics of single cells