零样本神预测 | 虚拟细胞时代简析Perturb Sapiens与 STACK

            基于ZINB的基因计数预测：为了更好地还原单细胞RNA测序数据中的技术丢失（Dropout）和过度分散问题，模型最终通过零膨胀负二项分布（ZINB）解码器重构基因表达的真实计数 。

            二、结论分析

1. PerturbGen实现了对细胞轨迹及基因扰动效应的生成式建模

• 图1详细展示了PerturbGen的工作原理和预训练库构成。

• PerturbGen通过将实验观察到的离散状态组合成轨迹，不仅能够高保真地生成未观察到时间点的细胞状态，还能模拟初始细胞发生基因敲除/过表达后，其下游轨迹状态将如何改变 。

  2. 体内免疫挑战的“先知”：精准预测细胞因子扰动的下游级联反应

  

   

  * 图2展示了健康志愿者接受脂多糖（LPS）注射后的免疫反应轨迹。图2a展示了在注射后90分钟、6小时和10小时收集血液样本的实验设计 。图2d是实验的核心模拟设计：在计算机中将90分钟时的髓系细胞中的IL1B基因“敲除”，预测其在6小时和10小时的状态 。图2g-j则用外部真实的IL-1β刺激实验数据，证明了模型预测的“敲除效应”与“刺激效应”在通路水平上呈完美的镜像反转 。

  * PerturbGen准确捕捉到了IL-1β信号在早期免疫激活中的关键作用。通过虚拟敲除源头的IL1B信号，模型成功预测出下游的细胞因子-干扰素程序和NF-κB信号传导将被显著减弱，这与已知的生物学事实高度吻合

               3. 在造血系统中绘制“虚拟扰动地图”，成功模拟罕见单基因血液病

  

   

  * 图3展示了跨越人类生命周期的造血干细胞图谱，并在其中进行了覆盖5700个基因的大规模虚拟扰动，聚类形成了不同的扰动诱导程序（PIPs） 。

  * 图4则将这些PIPs与人类GWAS（全基因组关联分析）数据相结合，并特别展示了图4d-g中模拟单基因罕见病“ETV6相关血小板减少症”的过程，模型预测的抗原呈递通路上调（图4f）与真实患者数据高度一致 。

   

  * 在一个涵盖胎儿到老年的庞大造血单细胞图谱中，PerturbGen不仅超越了现有基于调控网络的预测工具（如CellOracle），还能通过聚类虚拟敲除效应发现特定年龄/谱系相关的基因功能模块，并精准再现真实单基因遗传病患者的转录组改变 。

     4. 指导类器官走向成熟：精准锁定Wnt激活促进皮肤类器官发育

  

   

  * 图5展示了研究者利用PerturbGen在皮肤类器官发育第6天进行虚拟基因筛选，最终以FAP基因为靶标，排查出GSK3B（Wnt信号负调控因子）是促进真皮成纤维细胞成熟的关键 。

  

  利用PerturbGen筛选，团队发现并实验验证了在早期激活Wnt信号（抑制GSK3β），可以有效促进体外培养的皮肤类器官中基质细胞的分化，使其分子特征更加逼近体内真实发育的胎儿皮肤组织 。

   

               前面说的这么多，其实STACK才是构建Perturb Sapiens图谱的核心模型，Perturb Sapiens是基于STACK模型能力生成的人类全身细胞扰动反应预测图谱‌。

  简单来说，STACK是一个强大的单细胞基础模型，它通过学习大量人类单细胞数据，掌握了细胞在不同环境下的行为规律。而Perturb Sapiens则是利用STACK的“上下文学习”能力，将已知的免疫细胞扰动反应“翻译”到全身28种组织、40种细胞类型中，预测出约20000个未被实验测量过的“细胞类型-组织-扰动”组合反应结果，形成一个虚拟的全景图谱 。

  

  下面简单介绍下STACK的研究结果：

  STACK模型问世：单细胞测序技术使我们得以窥见每个细胞的独特状态，然而数据本身携带着大量技术噪音。现有的AI模型大多孤立分析单个细胞，忽视了细胞所处的群体背景信息，从而丢失了关键的生物学上下文。

  

  研究者开发的STACK模型【图1A】，其核心创新在于分析单个细胞时会“参照”其周围数百个细胞的群体信息，正如通过上下文对话理解一句话的真实含义。这种融合群体智慧的设计思路，使STACK能够更精准地还原每个细胞的真实状态。

  

  研究者在1.49亿个人类细胞的数据规模上完成了STACK模型的训练，模型参数从6900万到6.29亿不等【表3】，赋予其强大的基础生物学理解能力。

  嵌入能力超群：

   

  完成训练后的STACK可将每个细胞转换为数学向量用于下游分析。研究者发现，正是这种上下文学习能力，成为模型表现优异的关键所在。

  

  精准的“零样本”预测能力：面对全新数据集时，STACK展现出惊人的适应性。

  在【图2D】所示的四个器官数据集中，STACK在预测细胞疾病状态等任务上，不仅超越了所有零样本模型，甚至优于针对特定数据集从头训练的专用模型。即使将细胞按相同类型分组【表4】，STACK依然保持最佳性能。

  

              “一眼”识别复杂扰动：在预测药物、细胞因子等扰动效应时【图2E】，STACK展现出显著优势。在Tahoe和Parse两个大型扰动数据集上，STACK的预测准确率比现有最佳方法高出约100%，能够从细胞群体的细微变化中精准捕捉微弱扰动信号。

  

           卓越的数据整合能力：在【图2F】所示的25个人体组织中，STACK在21个组织的数据整合效果上排名第一，充分证明了其强大的批次效应校正能力【表1】。

           细胞提示操控：

   

           研究者设计了一个后训练对齐流程【图3A】，使STACK学会用“细胞提示词”来操控细胞状态：给定一组“提示”细胞和一组“查询”细胞，它能精准预测查询细胞在提示条件下的状态变化。四大类任务【表5】全面考验了STACK的这一核心能力：

  

          跨细胞类型扰动预测【图3C-E】：仅以一种细胞的扰动数据作为“提示”，STACK便能成功预测另一种细胞类型在相同扰动下的反应，其预测效果远超基线模型【表5】

  

  跨数据集预测【图3F】：以一个数据集的扰动细胞为“提示”，预测全新数据集中相同细胞类型的变化，STACK能够精准捕捉关键基因的表达差异。

  填补缺失的细胞类型【图3G】：基于一个病人的部分细胞数据，STACK能成功“补全”该病人缺失的其他细胞类型的表达谱。

  跨数据集“无中生有”【图3H】：以扰动实验数据为“提示”，预测独立人体细胞图谱中从未实验过的细胞在扰动下的反应，STACK依然表现出色。

  ⏩ 在总计31项评估中，STACK在28项上排名第一，充分展现了其强大的零样本泛化能力。

  首创扰动图谱：

   

          基于STACK的强大生成能力，研究者构建了Perturb Sapiens【图4A】——这是首个覆盖整个人体的虚拟扰动细胞图谱。

  研究团队以来自28种组织、40类细胞的Tabula Sapiens数据作为“查询”，以201种药物和细胞因子的扰动数据作为“提示”，成功生成了每一种细胞类型在每一种扰动下的反应谱系。

  

          高度真实的细胞反应模拟：在【图4C】中，干扰素-γ对全身细胞的影响热图显示，STACK不仅精准再现免疫细胞的已知反应，还在未实验过的基质细胞、内皮细胞中，预测出与生物学知识高度一致的炎症信号【图4D-F】。

         外部实验验证【图4D-F】：将Perturb Sapiens预测的上皮细胞反应与独立体外实验对比，无论是干扰素-β、白介素-13还是白介素-1β的刺激，STACK的预测都与真实实验结果高度吻合，许多指标甚至超越作为“提示”的原始免疫细胞数据。

         ⏩ Perturb Sapiens为研究者提供了一个跨越组织和细胞类型的“细胞反应搜索引擎”，可系统探索药物的未知效应，深入理解疾病的复杂机制，为虚拟药物筛选和精准医疗开辟全新道路。

          小结

  STACK在28/31项零样本评估中超越所有基线模型，Perturb Sapiens成功模拟了细胞类型特异性扰动响应，并经体外实验数据验证。该研究开创了以细胞群体为上下文的单细胞建模新范式，为虚拟细胞图谱构建和药物反应预测提供了通用框架。