顯微鏡下看一眼，只能知道細胞長什麼樣，但要真正弄清一個細胞在做什麼，得看它“打開”了哪些基因。如今，全球科學家已經積累了數億個細胞的基因數據，量太大，人腦已經處理不過來了。

為此，科學家開發了兩個人工智能（AI）模型來幫忙：第一個叫通用細胞嵌入（UCE），可把不同細胞放進同一個坐標系裡﹔第二個叫“TranscriptFormer”，直接學習了12個物種1.12億個細胞的基因表達數據。這兩個模型放在一起建立起“通用空間”，讓跨物種比較細胞變得容易得多，也為人類疾病研究和細胞治療帶來了新線索。

這一相關研究成果發表在《自然》和《科學》雜志上。項目的共同主要作者、美國斯坦福生物工程教授斯蒂芬·奎克說，他希望這兩篇論文能代表一個全新領域的開始，而后面，還有十年工作等著全球生物學家去做。

搞懂細胞“打開”了哪些基因

每個細胞都帶著同一套基因組，但不會把所有基因都打開來用。

胰腺裡的β細胞會打開胰島素相關基因，負責制造和釋放激素﹔B細胞會打開抗體相關基因，用來對抗疾病﹔皮膚裡的某類細胞，則可能打開和毛發、色素有關的基因。正因為打開的基因不一樣，細胞才分成不同種類。健康細胞和生病細胞不一樣，不同物種的細胞也各有各的表達模式。

這幾年，科學家構建了不少單細胞圖譜，把數萬個基因、數億個細胞的數據存在了數據庫裡。聽起來很壯觀，但它也帶來一個現實問題：這麼多信息，怎麼同時看懂？

奎克表示：“人類大腦不可能做到。而AI模型就是來幫我們做這件事的。”他和團隊計劃用算法處理復雜數據，相當於給研究者們多了一雙“外挂”眼睛。

先“建立坐標”再“完形填空”

兩個模型分工明確。

UCE先來建立坐標，它能把來自不同實驗室、不同組織，甚至不同物種的細胞，都放到同一個抽象的數學空間裡。奎克形容說那不是一個物理空間，而是一個可以衡量“相似還是不同”的坐標系。地球上所有生物的細胞都可以落到這個空間裡，彼此離得近，說明關系近﹔離得遠，說明差異大。這樣一來，原先零散拼不起來的圖譜，就有了統一的底圖。

第二步“TranscriptFormer”上場做完形填空。它的訓練方式很像ChatGPT。ChatGPT作為語言模型，會反復看一段缺了詞的文本，不斷猜缺什麼詞直到猜准﹔“TranscriptFormer”也一樣，隻不過它看的不是詞，而是基因表達值。它反復接觸大量“缺失某些基因數據”的細胞，學著推斷空缺的部分，慢慢就掌握了細胞內部基因協同工作的規律。

模型的訓練數據涵蓋多達12個物種，除人類和酵母外，還有小鼠、兔子、雞、斑馬魚、果蠅、非洲爪蛙、導致瘧疾的寄生虫、海膽、海綿，以及一種叫秀麗隱杆線虫的小蠕虫。從單細胞酵母到人類，演化跨度非常大。也正因為數據夠雜，模型才可能學到跨物種通用的細胞“語言”。

從最簡單的謎題，到想象中的細胞

這種模型有什麼具體用處？研究團隊先拿最簡單的海綿做例子。

海綿沒有神經元，但科學家一直好奇：它體內哪種細胞會和神經元的“祖先”最為接近？模型給出的答案是，一種叫choanocyte的細胞，和線虫、青蛙的神經元在表達空間上很接近。這可幫助研究者們理解神經元是怎麼演化出來的，也重新認識了choanocyte在海綿裡的作用。

有意思的是，海綿裡還有一種名叫neuroid的細胞，名字聽起來很像神經元，但模型發現它的基因表達更像青蛙的腺體，那麼，也許它真正參與的其實是消化。

而對於模型沒訓練過的新物種，只要給出基因表達數據，它也能大致認出有哪些細胞類型。團隊還發現，它能成功區分健康細胞和病變細胞。

更遠一點想，未來也許可用這個模型“想象”一些現在還不存在的功能性細胞，反過來指導細胞療法的設計。當然，奎克也強調，這不是讓AI直接替代生物學家，恰恰是給有經驗的研究者提供一個強大的發現工具，幫他們思考更復雜的問題。

美國國防高級研究計劃局、美國國家科學基金會，以及亞馬遜公司、英國葛蘭素史克公司等多家機構也參與了這一重大研究。對細胞生物學來說，這兩篇論文的真正意義，或許不只是又多了一個AI工具，而是讓細胞研究開始擁有一個可以跨物種、跨疾病反復使用的共同基座。