🧬 biology

Single-Cell Cross-Modal Transfer by Adversarial Fine-Tuning of Foundation Models

本文提出了一种利用单细胞基础模型的对抗性微调方法，用于在非配对的空间转录组学与单细胞 RNA 测序数据之间进行跨模态转换，从而有效地从解离细胞中恢复原位邻域信息。

原作者： Joseph Boyd, Matthew Lyon, Martino Mansoldo, Christian Hurry, Finnian Firth

发布于 2026-06-09

📖 1 分钟阅读☕ 轻松阅读

原作者： Joseph Boyd, Matthew Lyon, Martino Mansoldo, Christian Hurry, Finnian Firth

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

想象一下你正在试图理解一座繁忙城市的布局。你拥有两种截然不同的信息来源：

“解离”列表（scRNA-seq）： 想象一下，你把城市里的每一个人都放进了一个巨大的搅拌机里，然后根据他们的职业头衔和性格特征将他们分类。你知道他们是谁，也知道他们在做什么，但你已经失去了关于他们住在哪里或谁是他们的邻居的所有记忆。
“空间”地图（ST）： 想象你有一张高分辨率的城市地图，显示了人们站在哪里以及每个社区的大致“氛围”或活动水平。然而，这张地图并不会告诉你每个人的具体职业或性格，它只显示了该区域的“整体”平均水平。

问题所在： 科学家们想要结合这两者。他们想要利用这份详细的性格列表（被搅拌过的人）来弄清楚这些人原本可能住在城市的什么位置，从而仅凭列表就重建出地图。难点在于，这份列表和这张地图来自完全不同的“城市”（不同的患者或组织样本），因此没有直接的“匹配”可以作为引导。

解决方案：SCXM（“对抗性翻译官”）
作者构建了一个名为 SCXM 的新 AI 工具来解决这个谜题。以下是它的工作原理，我们使用简单的类比：

1. 基础模型（“专家图书管理员”）

他们并没有从零开始构建工具，而是从一个预训练的“基础模型”（称为 Geneformer）开始。把这想象成一位超级聪明的图书管理员，这位管理员已经读过数百万本关于生物学的书籍。这位图书管理员已经了解基因通常是如何协同工作的。研究人员并没有从头教这位图书管理员一切知识，而只是给了他一个特定的新任务：“学习如何根据一个人的个人资料来猜测其社区的氛围。”

2. 对抗性游戏（“老师与学生”）

为了在没有实际城市地图进行对比的情况下教导这位图书管理员，他们使用了一种名为对抗性微调的技术。想象一下两个角色之间的游戏：

学生（编码器）： 试图通过观察一个人的资料来猜测其社区的氛围。
老师（判别器）： 试图分辨出一个真实的社区氛围（来自实际地图）与学生的猜测之间的区别。

学生不断尝试欺骗老师。老师则不断变得更加敏锐，以识破伪造品。最终，学生变得非常擅长猜测，以至于老师无法分辨出真实社区和预测出的社区之间的区别。这迫使学生学习如何将细胞特征与周围环境联系起来的隐藏规则。

3. “一致性检查”（“现实锚点”）

由于学生是在进行猜测，他们可能会开始做出疯狂、不可能的预测。为了阻止这种情况，研究人员添加了一个“一致性检查”。

他们获取学生对社区氛围的猜测。
他们通过一个“解码器”（一种逆向工程工具）来查看这是否能转回成一份现实的基因列表。
如果列表看起来很奇怪，学生就会受到惩罚。这确保了猜测始终植根于生物学现实之中。

他们发现了什么？

团队在三个不同的“城市”（来自人类肺部、大脑和乳腺组织的数据集）上测试了该工具。

优于竞争对手： 他们的这种方法（SCXM）在猜测社区氛围方面比以往的方法表现得更好。它成功地预测了某些基因会在特定区域“聚集”，就像在真实组织中那样。
寻找“社区”： 他们发现该工具能够识别组织内的特定“社区”。例如，在肺部数据中，它可以识别出 B 细胞（一种免疫细胞）聚集在一起的区域，以及它们孤立存在的区域。这就像仅仅通过查看居民名单，就能识别出哪些是“市中心”，哪些是“郊区”。
捕捉效果最好的部分： 该工具非常擅长预测大规模模式，例如血管生成（angiogenesis）或肺部结构的形成。它在预测非常快速、局部的相互作用（如细胞间信号传导或细胞周期）方面表现稍逊，这表明某些生物过程仅凭个人资料本身是很难被“猜”出来的。

核心结论

本文证明了，即使你失去了地图（空间数据），居民名单（单细胞数据）仍然保留着关于他们曾经居住地的线索。通过使用一种聪明的、通过与评论家进行“猜谜游戏”来学习的 AI，我们可以重建人体组织的“社区”，从而帮助科学家理解生物学中的结构与功能是如何相互关联的。

技术摘要：通过对抗性微调基础模型实现单细胞跨模态转换

问题陈述
空间转录组学（ST）提供了具有空间分辨率的基因表达读数，但在转录组覆盖范围和亚细胞尺度上常受到限制。相反，单细胞 RNA 测序（scRNA-seq）提供了全转录组数据，但由于组织解离，缺乏空间上下文。虽然这些模态是互补的，但从同一样本中获取配对的 ST 和 scRNA-seq 数据通常成本过高或无法实现。因此，需要能够将非配对的 scRNA-seq 数据转化为空间上下文特征的计算方法。核心挑战在于，如何在利用两种模态均表现为计数数据（count data）这一事实的同时，从完全非配对的数据（即每种模态中的细胞来自不同的组织样本或患者）中学习这种转换。

方法论：SCXM
作者提出了 SCXM（Single-Cell Cross-Modal），这是一个利用预训练单细胞基础模型的对抗性微调，将 scRNA-seq 基因表达转化为空间聚合（spatially bulked）表达特征的框架。

基础模型骨干网络： 编码器（ $G_E$ ）基于预训练的 GeneformerV2 Transformer 构建。为了适配该基础模型，作者采用了“微调”策略，冻结了除最后四个自注意力块以外的所有部分。在 <cls> token 后附加了一个两层多层感知机（MLP），将表示投影到目标空间维度。
空间上下文定义： 空间上下文（ $Z$ ）通过在源自 ST 数据的空间图上进行图卷积来定义。对于给定的细胞 $i$ 和基因 $g$ ，上下文计算为相邻细胞表达值的加权和（ $z_{ig} = \sum_{j \in N(i)} k_{ij} y_{jg}$ ），使用的是半径为 25µm 的高斯核。
学习框架 (WGAN-GP)： 训练采用带有梯度惩罚的 Wasserstein GAN (WGAN-GP)。
- 生成器 ( $G_E$ )： 将 scRNA-seq 输入 ( $X$ ) 映射到潜在空间表示 ( $Z$ )。
- 判别器 ( $D$ )： 用于估计生成分布与真实空间分布之间的推土机距离（EMD），并通过梯度惩罚强制执行 $K$ -Lipschitz 连续性。
- 解码器 ( $G_D$ )： 从预计算的空间特征 $Z$ 中重建 ST 基因表达。
目标函数： 模型通过结合四个项的半监督方法进行训练：
1. WGAN 损失 ( $L_{WGAN}$ )：用于对齐分布的对抗损失。
2. 梯度惩罚 ( $L_{GP}$ )：强制执行 Lipschitz 连续性。
3. ST 重建损失 ( $L_{ST}$ )：确保解码器可以从其自身的空间特征重建 ST 数据。
4. 空间一致性损失 ( $L_{SC}$ )：一种一致性惩罚，其中编码器对 scRNA-seq 数据的预测由冻结的解码器进行解码，并与原始 scRNA-seq 输入（切片至空间基因面板）进行比较。这利用了不同模态间计数数据的可互换性。

核心贡献

非配对转换： 证明了单细胞基础模型可以使用完全非配对的数据，实现从 scRNA-seq 到 ST 上下文特征的跨模态转换。
对抗性微调： 引入了一种针对组学领域基础模型的特定对抗性微调协议，利用一致性惩罚来引导编码器趋向于一致的后验分布。
生物学验证： 表明解离的细胞保留了有关其原有空间邻域的线索，从而使模型能够推断出空间聚合的表达模式（例如，区分集群型与孤立型的基因表达）。

结果
该方法在人类肺部、小鼠大脑和人类乳腺癌三个数据集上进行了评估，并使用 Xenium Prime 数据作为高通量配对验证集。

性能： SCXM 在所有数据集上均优于现有的非配对转换方法（scConfluence 和 scACT）。
- 肺部： 中值皮尔逊相关系数 (PCC) 为 0.4291 (SCXM) 对比 0.1750 (scConfluence) 和 0.0065 (scACT)。
- 乳腺： 中值 PCC 为 0.4551 (SCXM) 对比 0.1964 (scConfluence) 和 0.0284 (scACT)。
- 大脑： 中值 PCC 为 0.1700 (SCXM) 对比 0.0573 (scConfluence) 和 0.0151 (scACT)。作者指出，该方法在较小的大脑数据集上表现较低，但强调表现最好的基因仍达到了 0.7085 的 PCC。
生态位表征（Niche Characterization）： 模型成功识别了高空间聚合表达区域（如 CXCR4），这些区域与特定细胞类型（B 细胞）的富集相关，并允许对孤立型与集群型 B 细胞进行分割。差异分析显示，集群组中生态位相关基因（如 POU2AF1, MS4A1）显著上调。
通路富集： 对肺部数据集进行的基因集富集分析 (GSEA) 显示，SCXM 预测最能重现与肺谱系身份和血管生成（大规模空间生物学）相关的通路，其次是免疫反应通路。与细胞间信号传导和细胞周期相关的通路重现效果较差。

意义与主张
论文声称 SCXM 展示了在完全非配对来源之间进行 scRNA-seq 与 ST 转换的初步成功。作者认为，优于基准方法的性能归功于使用一致性惩罚（公式 3 和 4），这些惩罚通过利用模态间的计数数据关系有效地引入了半监督学习，这与其它方法的纯无监督循环一致性或最优传输方案形成了对比。

该工作表明，SCXM 的主要优势在于捕捉显著的空间上下文（如组织谱系和血管生成），而非细粒度、高度局部的信号传导过程。作者谦虚地总结道，虽然该方法很有前景，但未来仍需进一步研究以理解其局限性，特别是在不同组织类型和技术之间的领域偏移（domain shifts）方面，并探索整合空间细胞类型组成以构建更通用的空间生物学表示。