Global tree encoding of atlas-scale single-cell genomics
本文介绍了 MILK，这是一个可扩展的计算框架，它将海量的单细胞基因组数据集组织成统一的分层树状表示，以实现高效的子采样、保留多分辨率的细胞关系，并促进跨组织、发育阶段和物种的整合分析。
原始论文采用 CC BY 4.0 许可（https://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
单细胞基因组学通过让科学家能够读取单个细胞内的遗传指令，彻底改变了生物学。单细胞技术不再将组织视为一种模糊的混合物，而是让研究人员能够看到其中每一个细胞的独特身份。近年来，这项技术呈爆炸式增长，生成了包含来自人类胎儿、发育中的小鼠以及各种疾病患者的数亿个细胞的海量库。然而，这种成功也创造了一个新问题：数据变得过于庞大，以至于难以分析。当科学家试图研究这些庞大的集合时，他们往往不得不丢弃大部分细胞以使数据量变得可控，或者依赖于那些极其复杂、如同“黑箱”一般、隐藏了结论得出过程的计算机模型。该领域信息丰富，但缺乏一种既能看到全貌又不丢失重要细节的方法。
为了解决这个问题，研究人员 Brett Kiyota、Chaehyeon Lee、Haoyang Yao 和 Nozomu Yachie 开发了一种名为 MILK 的新方法。这个名字代表“大规模与高维核信息的跨分辨率整合”（multi-resolution integration of large-scale and high-dimensional kernel information），但其功能要简单得多。团队意识到，细胞不仅仅是随机的点阵；它们是按照自然层级组织的，就像一棵家族树。一个受精卵分裂产生谱系，进而分支成特定的组织和细胞类型。研究人员构建了一个系统，将这些数百万个细胞排列成一个单一且统一的树状结构。这棵树捕捉了细胞之间的关系，将相似的细胞归为一类，同时保持了稀有或独特细胞的可视性。通过这种方式组织数据，团队可以将海量数据集压缩成易于处理的大小，而不会丢弃其中隐藏的生物学故事。
研究人员在包含来自 15 个不同器官、400 万个细胞的人类胎儿图谱上测试了这种方法。他们利用这棵树来选择一小部分具有代表性的细胞样本，作为整个群体的缩影。当他们将这种基于树的选择与同等规模的随机采样进行比较时，发现基于树的方法能更好地保留生物学信号。它完整地保留了不同的细胞群，并维持了定义细胞功能的基因活动的微妙模式。这意味着科学家现在可以使用极小比例的数据——例如用 100 万个细胞代替数亿个细胞——同时仍能获得用于训练计算机模型或研究细胞在发育过程中如何变化的准确结果。
当团队将该方法应用于包含超过 1100 万个细胞的发育中鼠胚数据集时，这种树状结构的威力变得更加清晰。他们发现，树的分支自然地与发育阶段相吻盟。出现在胚胎生命早期的细胞位于树的基部附近，而后期形成的细胞则位于更外层的分支上。这棵树成功绘制了细胞从一个简单的起点到最终专业化形态的旅程，在无需任何先验知识的情况下，捕捉到了时间与变化的流动。这表明，树状结构本身就掌握着理解复杂生物体如何生长的关键。
该方法在评估科学家用于整合不同来源数据的庞大计算机模型方面也表现出了实用性。团队分析了来自 CELLxGENE Discover Census 的 4400 万个细胞，这是一个全球性的单细胞数据集合。他们为三种领先的计算机模型构建了树，并比较了每个模型组织细胞的效果。其中一个名为 Geneformer 的模型创建了一棵能够最好地分离不同细胞类型，同时又能控制来自不同实验室的技术误差的树。树状结构让研究人员能够精确观察到模型的成功之处与挣扎之处，从而为判断哪些工具在研究人类生物学方面更可靠提供了一个清晰的标准。
除了组织细胞之外，这棵树还帮助研究人员理解疾病如何改变身体。通过观察受疾病影响的细胞在树上的位置与健康细胞的对比，他们可以衡量特定细胞类型受到了多大程度的干扰。他们发现，许多疾病会将细胞推向已经在健康人体内存在的状态，而不是创造全新的状态。分析还显示，不同的疾病往往以相似的方式影响相同的细胞群。例如，心脏病和大脑疾病表现出重叠的细胞变化模式，而传染病则形成了各自独特的集群。这种全局视角有助于科学家看到那些原本看似无关的疾病之间的联系。
最后，团队利用这棵树观察了不同物种间细胞是如何进化的。他们分析了来自包括青蛙到人类在内的 8 种不同动物的 300 万个细胞。树状结构显示，某些细胞类型（如涉及免疫系统的细胞）随着物种的分化发生了显著变化，而另一些细胞类型（如血液的基础组成部分）则保持了惊人的相似性。通过追踪这些模式，研究人员可以观察到哪些部分的生物学特性是古老的且由所有哺乳动物所共有，而哪些部分则是我们自身谱系所特有的。
这项工作不仅仅提供了一种更快速的处理数字的方法，它还提供了一种看待生物学的新方式。通过将混乱的数百万个细胞云转化为结构化的、层级化的树，研究人员创建了一张既能保留生命复杂性，又使探索成为可能的地图。这棵树允许科学家在特定的细节中进行“缩放”，也可以通过“缩小”来观察发育、疾病和进化的宏大模式。它表明，理解单细胞生物学未来的最佳方式，不是收集更多的数据，而是以尊重生命自然秩序的方式来组织我们现有的数据。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。