在人類基因組計(jì)劃完成的二十年后,研究人員發(fā)現(xiàn):我們就像拿著字典卻不懂語法的孩童,面對37萬億個細(xì)胞組成的"人體宇宙",依然讀不懂生命真正的對話方式。單細(xì)胞測序技術(shù)曾讓我們驚喜地發(fā)現(xiàn),一滴血里藏著各種免疫細(xì)胞的"職業(yè)分工",一片癌組織中潛伏著上各種基因變異的"叛亂分子"。但當(dāng)顯微鏡放大到分子級別,70%的基因表達(dá)數(shù)據(jù)竟如同被濃霧籠罩——技術(shù)噪聲制造的"虛假沉默",讓關(guān)鍵生物信號變得支離破碎。3月17日《Nature Methods》的突破性研究“scNET: learning context-specific gene and cell embeddings by integrating single-cell gene expression data with protein–protein interactions”,為這場迷霧投下一束強(qiáng)光。研究人員開發(fā)的scNET技術(shù),巧妙地將蛋白質(zhì)相互作用網(wǎng)絡(luò)轉(zhuǎn)化為基因的"社交圖譜",用人工智能解碼細(xì)胞社會的隱秘對話。就像通過微信好友動態(tài)推測用戶喜好,這項(xiàng)技術(shù)能動態(tài)捕捉基因間的功能聯(lián)盟:當(dāng)CD4蛋白在免疫細(xì)胞中"發(fā)朋友圈",IL2RA等戰(zhàn)友總會第一時(shí)間點(diǎn)贊;而當(dāng)癌細(xì)胞啟動代謝叛亂,KRAS基因的"好友列表"會突然涌入陌生的信號分子。更驚人的是,在測試肺癌細(xì)胞分群時(shí),這項(xiàng)技術(shù)將準(zhǔn)確率從傳統(tǒng)方法的35%提升至82%,相當(dāng)于從星座性格分析躍升至DNA親子鑒定級別的精準(zhǔn)度。這場技術(shù)革命正在改寫疾病認(rèn)知的邊界——在十萬個腦腫瘤細(xì)胞中,研究人員首次捕獲到PD-1蛋白與CD28的"異常私聊",揭開了免疫治療耐藥的黑箱;對百萬級白血病細(xì)胞進(jìn)行"社交網(wǎng)絡(luò)分析",竟能鎖定僅占0.03%的耐藥干細(xì)胞,這些細(xì)胞攜帶的特殊標(biāo)記如同犯罪現(xiàn)場的指紋。當(dāng)AI開始解讀細(xì)胞社會的"微信聊天記錄",我們或許正站在治愈癌癥的奇點(diǎn)前夜:未來醫(yī)生可能像修復(fù)一段出錯的社交關(guān)系那樣,輕松重置病變細(xì)胞的通信網(wǎng)絡(luò)。這場靜默的生命解碼革命,正在揭開人體最精妙的通信密碼。
Sheinin, R., Sharan, R. & Madi, A. scNET: learning context-specific gene and cell embeddings by integrating single-cell gene expression data with protein–protein interactions. Nat Methods (2025). https://doi.org/10.1038/s41592-025-02627-0