Nature子刊：新工具可发现不同物种之间的相似细胞

　　

人类、小鼠、鱼类、果蝇或线虫的细胞可能在执行类似的生物学功能，但这些功能背后的基因在数千年的进化过程中发生了变化。

沙特阿卜杜拉国王科技大学（KAUST）的研究人员近日开发出一种名为Unify的人工智能工具，旨在帮助科学家比较不同物种之间相似的细胞类型。它将跨越7亿年进化历程的125种细胞类型联系起来。

这项研究成果发表在《Nature Communications》杂志上，有助于研究人员评估哪些动物研究结果适用于人类健康研究。

科学家们通常采用单细胞RNA测序技术来比较细胞，该技术可以显示每个细胞中的哪些基因正处于活跃状态。当对整个生物体进行此类测序时，这些信息可用于构建“细胞树”，绘制不同细胞类型及其活性。

然而，大多数比较工具依赖于基因的一对一匹配。随着物种的分化，这些匹配变得越来越难以找到，这意味着重要的生物学相似性可能会被忽略，比如人类与小鼠的免疫细胞之间或鱼类与果蝇的神经元之间的相似性。

为了克服这些局限性，研究人员开发出迁移学习方法Unify，它通过比较基因所执行的功能来解决问题。传统方法类似于查字典般逐字翻译，而Unify则致力于寻找共同的生物学意义。

共同第一作者、阿卜杜拉国王科技大学的Huawen Zhong解释说：“Unify运用AI模型来分析蛋白质序列和基因功能的科学描述。”

“具备某些相似特征的基因会被归入称为‘大基因（macrogenes）’的单元。这使得Unify能够识别执行相似功能的细胞，即使它们的单个基因不再匹配。”

Unify超越了物种界限，使跨物种比较能够超越严格的基因水平同源性。它在纠正批次效应的同时，保留了保守的生物信号，能够更准确地预测不同物种的扰动响应。

它重建了来自七个物种的125种细胞类型之间的关系，这些物种相隔超过7亿年。它还区分了相同的基因、已进化出新功能的相似基因，以及独立进化出相同功能的不同基因。

通过分析多个物种的免疫细胞，Unify鉴定出一些仅凭直接比较方法难以发现的共同防御策略。在另一项实验中，它根据小鼠淋巴结免疫细胞的反应，预测了人类血细胞对某种免疫信号蛋白的反应。在测试的所有基因中，Unify的预测准确性均高于现有方法。

目前，研究团队正在扩展Unify数据库，使其包含基因调控以及细胞在组织中的位置等信息。这些新增内容将助力研究人员全面了解各种生命共有的生物学原理，从而推动人类健康研究的进一步发展。

共同通讯作者、阿卜杜拉国王科技大学的Manuel Aranda教授总结了Unify的意义：“我们对人类生物学的许多认知都来自小鼠等动物的研究，但究竟哪些研究结果可以推广到人类身上并不是很明确。”

“Unify帮助我们鉴定出模式生物中的哪些发现最有可能与人类相关，从而使研究能够集中在那些对理解人类健康和疾病最有帮助的领域。”

Unify的源代码可在GitHub上获取（https://github.com/huawen-poppy/Unify）。