Nature Methods
通过扰动筛选与迁移学习重建单细胞信号历史
小赛推荐：
本研究为 发育生物学 和 干细胞 定向分化提供了全新的计算框架，揭示了跨细胞类型保守的信号响应特征，指导研究人员优化 器官特异性间充质 等难分化细胞类型的实验方案。
文献概述
本文《Reconstructing signaling histories of single cells via perturbation screens and transfer learning》，发表于《Nature Methods》杂志，系统探讨了如何利用体外高通量扰动数据与迁移学习算法，精准推断体内单细胞的信号活动状态及其历史轨迹。文章首先指出了当前细胞状态转换研究中，传统遗传扰动和转基因报告系统在人类组织中难以应用且通量低、时间分辨率差的痛点。背景知识
细胞状态的转变通常由外部信号的组合驱动，这对于理解胚胎发育、维持生理稳态及疾病发生至关重要。然而，目前缺乏能够高通量发现体内细胞信号状态及其历史的方法。现有的基于配体 - 受体对的计算方法往往只能预测信号潜力而非实际激活状态。WNT、TGF-β、FGF 等关键信号通路在不同细胞类型中的转录响应是否具有保守性尚不明确。如果存在跨细胞类型的保守响应特征，将极大简化体内信号状态的映射工作。本研究旨在解决这一 机制 解析的瓶颈，通过构建大规模体外扰动图谱，挖掘可迁移的信号响应指纹，从而在无需对每种体内细胞类型进行繁琐实验的情况下，重建复杂的信号历史。
研究方法与核心实验
作者首先利用小鼠胚胎干细胞（mES）和人胚胎干细胞（hES）构建了大规模的组合信号扰动图谱，涵盖了 TGF-β、WNT、FGF、BMP、RA 等六大发育关键通路的各种组合刺激。基于这些数据，作者开发了一种名为 IRIS（Intracellular Response to Infer Signaling State）的深度神经网络模型。该模型采用条件变分自编码器（CVAE）架构，能够学习全转录组范围内的信号响应特征，并有效消除批次效应。研究团队将训练好的 IRIS 模型应用于小鼠胚胎单细胞图谱，成功推断出超过 40 种细胞类型的信号活动状态。
为了验证模型的泛化能力，作者在不同物种（小鼠与人）、不同胚层（内胚层与中胚层）以及不同发育阶段之间进行了交叉验证。此外，研究还利用 IRIS 的预测结果，针对 呼吸系间充质 的定向分化提出了优化策略，并通过体外小鼠前肠培养和人源干细胞分化实验进行了验证，证实了早期 WNT 信号激活对呼吸系间充质命运决定的关键作用。关键结论与观点
研究意义与展望
该研究不仅提供了一种可扩展的解决方案，用于绘制体内复杂的信号相互作用图谱，还为 药物开发 和 细胞治疗 提供了重要的理论指导。通过减少对全组合信号空间的实验探索需求，IRIS 框架加速了定向分化协议的优化过程，使得构建更真实的类器官模型成为可能。此外，该方法与基于配体 - 受体的通讯推断方法互补，为理解 疾病 发生发展中的信号失调提供了新的视角。
结语
本研究通过整合高通量体外扰动筛选与先进的迁移学习算法，成功打破了传统方法在解析体内细胞信号历史方面的瓶颈。IRIS 框架不仅揭示了信号响应特征在不同细胞类型间的保守性，还实现了对复杂发育过程中信号动态的高精度重建。这一突破对于 发育生物学 基础研究具有里程碑意义，特别是在指导 干细胞 向特定功能细胞（如 呼吸系间充质）定向分化方面展现了巨大的应用潜力。从实验室到临床转化，该框架为构建更精准的疾病模型、优化细胞治疗策略以及开发靶向信号通路的小分子药物提供了强有力的工具，有望推动再生医学和精准医疗领域的快速发展。
