PerturbLDM: conditional latent diffusion for modelling single-cell perturbation responses

在现代生物学的广袤版图中，科学家们开发了一种观察生命的高效方式：通过检查单个细胞。研究人员不再将整个器官或组织作为一个单一的、混合的整体进行研究，而是现在可以窥视单个细胞内部，读取其被称为“转录谱”的遗传指令。这种详细的视图揭示了细胞是如何运作的、它正在做什么，以及它是如何响应其环境的。该领域的一个主要目标是理解细胞在受到干扰时如何反应。这些干扰（或称扰动）可以是药物、温度变化或化学信号的变化。通过绘制这些反应图谱，科学家希望能够预测特定细胞在特定条件下会如何表现。然而，可能的组合数量之巨令人望而生畏。存在无数种细胞类型、数千种潜在药物，以及无限的剂量和时间变化。在实验室中测试每一种组合在物理上是不可能的。这留下了一个巨大的知识鸿沟：我们拥有某些场景的数据，但对大多数其他场景却一无所知。挑战在于找到一种方法，从我们已经进行的实验中学习，并利用这些知识来准确地推测在尚未测试的数百万种情况下会发生什么。

为了弥补这一差距，一个研究小组开发了一种名为 PerturbLDM 的新型计算工具。该系统旨在作为一个复杂的细胞反应模拟器。它不仅仅是在猜测；它学习的是细胞在受到推动时发生变化的底层模式。研究人员通过在 Tahoe-100M 数据集上进行预训练阶段来训练该系统。一旦系统从这个广泛的库中学习到了细胞行为的一般规则，他们就测试了其预测从未见过的结果的能力。结果是惊人的。当被要求预测被从训练集中剔除的 13,942 种不同药物、剂量和细胞系组合的效果时，PerturbLDM 的表现比任何现有方法都更准确。在超过 95% 的条件下，该系统的预测结果比一个仅简单叠加单个因素影响的数学基准模型更能匹配现实世界的对照组。这表明该系统捕捉到了简单模型所忽略的复杂且具有上下文依赖性的相互作用。

这种方法的威力不仅限于预测药物反应。研究人员利用训练好的系统对被称为 PANACEA 的化合物集合进行了整理。通过分析预测的细胞反应的相似程度，该系统成功地将具有相同生物机制的化合物归为一类。这种根据化合物对细胞的实际作用而非仅仅根据其化学结构进行分类的能力，证明了该模型理解生物学的功能逻辑。该工具在更小、更具体的数据库中也证明了其有效性。在一次实验中，它生成了妊娠中期胎儿结肠的模拟状态。在此测试中，它在预测基因活性方面的误差比之前的领先方法更少，并且正确地维持了不同类型组织细胞之间的微妙平衡。在另一个涉及免疫细胞的测试中，它准确捕捉到了七个特定的抗病毒和干扰素程序中的六个，包括一个将免疫防御与能量生产联系起来的复杂代谢途径，其表现优于其他成熟的工具。

这项工作的意义不仅在于它能预测数字，更在于它能生成真实的、全细胞的反应。它创造了一个完整的图像，描绘了细胞在受到扰动后看起来和运作的样子，保留了数千个不同基因之间错综复杂的相互关系。研究人员发现，这种方法适用于不同的规模——从大规模数据集到较小的专门研究，以及各种生物学环境。通过学习细胞应对变化的深层结构，PerturbLDM 提供了一种探索未测试的广阔细胞生物学领域的方法。它提供了一种可靠的方式，让我们能够看到当一个细胞受到推动时可能会发生什么，从而允许科学家在无需在实验室中进行每一项实验的情况下，就能在潜在治疗方案和生物反应的复杂空间中进行导航。