深度学习模型可预测细胞每分钟发育变化
美国麻省理工学院、密歇根大学和东北大学联合团队在最新《自然·方法》杂志上发表论文，介绍了一种名为“MultiCell”的几何深度学习模型。该模型首次实现了在单细胞分辨率下，预测果蝇胚胎发育过程中，每个细胞在每分钟的行为变化。未来可在此基础上设计出通用的多细胞发育预测模型，构建“数字胚胎”，用于药物筛选甚至指导人工组织设计。
一个胚胎如何从一团细胞变成有头有尾、有器官的完整生命体，是发育生物学领域持续百年的核心谜题。虽然科学家早已知道细胞会分裂、移动、折叠，但具体到某一个细胞在下一分钟会有什么动态行为，却一直难以预测。
模型采用四维全胚胎数据进行训练和测试，这些数据具有亚微米级分辨率和较高的帧率，每个胚胎包含约5000个被标注边界和细胞核的细胞。在测试中，模型不仅能判断细胞是否会发生特定行为，还能精确预测行为发生的时间是几分钟后。团队将这一方法与“阿尔法折叠”预测的蛋白质结构相类比：阿尔法折叠是从氨基酸序列推断蛋白质三维结构，“MultiCell”则是从细胞群落的几何特征，预测多细胞系统的自组织过程。不过，由于胚胎发育是持续演变的动态过程，后者远比前者复杂。
团队将该方法应用于果蝇早期胚胎发育的关键阶段——原肠胚形成。模型在3个胚胎视频上训练后，被用于预测第4个新胚胎的演化过程。结果显示，模型在预测细胞连接丢失方面的准确率约90%；在预测细胞内陷、分裂或重排行为时，也表现了较高的准确率。
团队表示，“MultiCell”是首个能在多细胞自组装过程中，实现各类细胞行为单细胞精度预测的算法。鉴于其可捕捉细胞动力学上存在的微妙差异，未来将助力早期诊断或药物筛选。
不过，该方法仍面临一些问题，包括数据稀缺，以及当前模型仅基于几何信息，未整合基因表达、蛋白质定位等。之后加入这些维度，有望更全面揭示物理与生物信息的互动。（记者张梦然）