▎藥明康德內容團隊編輯

2024年伊始，《自然》雜志公布了 ，指出這些技術的進展不僅預示著整個行業的轉型，而且有望徹底改革醫療保健行業，并推進科學發現的進步。其中之一，便是由單細胞分析和空間組學技術結合強大的計算與人工智能，推動生成的人類細胞圖譜。

今日，“人類細胞圖譜”（Human Cell Atlas，簡稱HCA）聯盟在《自然》及一系列子刊中報告了首個HCA細胞草圖的重要進展，以專題形式同時上線了40多篇同行評審論文，堪稱“重磅”！HCA聯盟指出，這些高度互補的研究論文代表了我們對人體的認識有了一次里程碑式的飛躍。

▲人類細胞圖譜專題登上了最新一期《自然》封面（圖片來源：Nature官網/Cover artwork: Claire Agosti (SayoStudio); concept: Ania Hupalowska）

國際合作創建“細胞地圖”

細胞是生命的基本單位，人體由37.2萬億個細胞組成，不同的細胞類型有其獨特的功能。2016年，當時任職于英國威康桑格研究所（Wellcome Sanger Institute）的細胞生物學家Sarah Teichmann博士和基因泰克（Genentech）公司的Aviv Regev博士共同發起了“人類細胞圖譜“計劃，旨在為人體中的每種細胞類型都建立一個生物學圖譜，作為了解人類健康以及診斷、檢測和治療疾病的基礎。

目前，已有來自100多個國家地區的3600余名科學家參與HCA項目，合作描繪了來自10000多名捐獻者的1億多個細胞的細胞圖譜。利用尖端的單細胞和空間轉錄組學技術，研究人員揭示了單個細胞內的20000個基因有哪些處于開啟狀態，從而為每種細胞類型創建獨一無二的“身份證”，并繪制細胞在器官和組織中的精確位置圖。

▲人體回腸樣本中的血管，免疫熒光染色以品紅色顯示內皮細胞（以 CDH5 標記），以青色顯示平滑肌細胞（以 ACTA2.1 標記）（圖片來源：Ana-Maria Cujba）

此次新發表的論文專題重點介紹了3個關鍵領域的近期發現，包括新的數據集、新的分析工具以及對特定器官或系統的綜合分析，包括了骨骼的形成過程和關節炎的起源，大腦成熟過程中的變化，胎盤如何發育并為胚胎提供營養和保護，胸腺在出生前后的組織結構變化，腸道和血管細胞的新狀態，肺對呼吸道病毒的反應，基因變異對疾病的影響，等等。這些圖譜包含了發育和老化等時間線索，不同組織結構的空間信息，還有健康和疾病的不同狀態。更為關鍵的是，研究人員開發了整合數據集的新方法，用于深入挖掘數據，獲得生物學和臨床洞見。

▲人類細胞圖譜項目旨在繪制人類器官和組織在整個生命過程中以及在健康和疾病中的“細胞地圖”（圖片來源：參考資料[1]）

《自然》期刊強調，這些進展將對未來產生諸多潛在影響，例如推動我們從細胞多樣性的角度更好地理解個體對治療的不同反應，從細胞水平上研究疾病的遺傳基礎，開創精準醫療的新時代。

過去幾年里，HCA已取得多項成果，這里有學術經緯的相關報道：

第一份人類骨骼發育圖譜

最新發表的論文合集中，一個重要的主題是在細胞層面繪制人體組織的發育圖譜。

例如在這篇《自然》論文中，研究團隊創建了首張人類骨骼發育圖譜，繪制出了對顱骨和身體骨骼生長至關重要的細胞類型，揭示各個部位的骨骼如何形成、軟骨如何為身體骨架的發育提供支持、導致關節長期疼痛的骨關節炎是怎么出現的。

例如，研究人員發現在早期骨細胞中激活的某些基因可能與成年后罹患髖關節炎的風險增加有關。而早期軟骨細胞中的一些基因有修復軟骨的作用，它們與膝關節炎發病風險的增加更有關系。在大多數情況下，由于成年人無法生長出新的細胞來修復受損的軟骨，因此膝關節磨損后只能進行手術，而這些針對特定細胞的發現將有助于開發出培育骨骼和軟骨細胞的有效方法，在未來找到新的治療方法。

相關數據集還可以用于研究各種藥物在孕期使用時是否會影響骨骼生長，哪些基因突變可能導致新生兒顱骨過早閉合從而限制大腦的生長。

▲發育中的頭骨，其中藍色為軟骨，紫色為硬骨，可以看到顱骨的頂部沒有軟骨，即不需要軟骨就能單獨形成硬骨，與身體其他骨骼不同（圖片來源：A.Chédotal & R. Blain, Institut de la Vision, Paris & MeLiS/UCBL/ HCL, Lyon）

“這是一份獨一無二的骨骼圖譜，免費公開，為軟骨、硬骨和關節在妊娠頭三個月的發育提供了新線索，首次詳細介紹了相關的細胞和通路。”目前任職于劍橋大學干細胞研究所的Sarah Teichmann教授是這篇論文的共同通訊作者，她指出，“該圖集結合了尖端的空間技術和基因分析，可供全球研究界使用。這一詳細的骨骼發育時空圖集與其他研究相協調，使整個人類細胞圖集計劃向全面了解人體在發育、健康和疾病方面的情況又邁進了一步。”

胃腸道與大腦類器官圖譜

HCA項目有大量工作深入探討了特定的組織器官或生物學系統，并對可用數據進行整合分析，揭示疾病相關的生物醫學發現。

在此次的專題中，有兩篇論文分別對胃腸道與大腦類器官的細胞圖譜進行了全面更新，新圖譜揭示了更多此前未定義的細胞亞型，以及與特定疾病相關的分子標志，這些結果為理解相關疾病以及帶來全新疾病治療思路。

其中來自英國威康桑格研究所（Wellcome Sanger Institute）的科學家與合作者共同整合了25個胃腸道研究數據集，在此基礎上繪制出了包含超過160萬個細胞的圖譜，其中包括單細胞和空間組數據，這個圖譜能讓研究人員確定特定細胞所處的位置，以及與周圍環境的相互作用機制。

這些數據來源既有健康胃腸道個體，也包括患有炎癥性腸病（IBD）、乳糜瀉、克羅恩病等各類胃腸道疾病的患者，因此能在圖譜中比較不同群體中哪些細胞存在差異。研究重點關注了腸化生（metaplasia）現象，這是胃腸道內一種成熟細胞被另一種細胞替代的過程。

研究發現一些腸道炎癥性疾病患者中，干細胞起源的腸道上皮細胞化生與幽門中的細胞有著轉錄組相似性。過去研究認為幽門化生與胃粘膜修復有關，但作者鑒定出了一種全新的幽門腺化生細胞（MUC6+ 化生細胞），研究將其稱為炎癥上皮細胞（INFLARE），這些化生細胞可以參與免疫細胞募集，包括T細胞和中性粒細胞，促進炎癥的發生。

▲研究構建的全新圖譜有助于揭示胃腸道疾病的發生機制（圖片來源：參考資料[1]）

INFLARE與其他參與炎癥的胃腸道細胞具有遺傳相似性，作者認為IBD的炎癥進一步導致了這些化生細胞的變化，進而促進更多炎癥發生的惡性循環。另外，論文還指出黏膜轉化為上皮細胞，會增加患胃癌和食管腺癌的風險。現在，腸道細胞圖譜的數據已經全部公開（gutcellatlas.org），可以供全球的研究者進行分析與探索更多有關胃腸道疾病的秘密。

此外，來自瑞士巴塞爾大學、蘇黎世聯邦理工學院以及德國計算生物學研究所等多個單位的聯合團隊重點整合了來自人類神經類器官的海量數據，這些類器官是當下用于研究人類大腦發育、進化和神經系統疾病的重要工具，但此前很難評估這些類器官研究與真實大腦的覆蓋度，以及類器官的變異和保真度。

在新研究中，研究團隊整合了涵蓋26種類器官構建流程，共36個單細胞轉錄組的數據集，構建了一個人類神經類器官細胞圖譜，其中包含超過170萬個細胞。同時，研究還構建了一個分析管線，可以將類器官圖譜與人腦發育圖譜進行全面和定量分析。

借助這個新圖譜，研究者可以對類器官中的細胞類型進行注釋，同時用來比較培養開始的原代細胞與類器官狀態下細胞的轉錄組相似程度。除此之外，圖譜還可以根據不同的對照隊列來注釋和比較不同的神經系統疾病模型，從中尋找與特定疾病相關的基因和通路。

研究發現不同的類器官培養模式會帶來不同的結果，一種是通過形態因子的引導式培養，會讓類器官朝特定腦區細胞強烈富集，但有些腦區也存在特殊，比如針對中腦的引導方案通常很難產生特異性的細胞類型，這表明相關神經干細胞對研究使用的形態因子反應不夠，需要重新組合形態因子的組合和使用時間；而非引導式培養則會讓類器官中的細胞出現高度變異性，這對于研究大腦的演化和命運決定事件有重要作用。

人工智能助力細胞分類

在繪制人類細胞圖譜的過中，由于技術不斷變化、實驗之間存在差異，加上生物材料數量有限、數據稀缺且存在噪音、多種組學數據混雜等眾多因素，標準化的細胞識別與分類始終是一道難題。

人工智能技術的高速發展為科學家們提供了新的機遇。在本次專題中，一系列論文展示了機器學習算法在細胞識別與分類、解決細胞注釋問題中的重要應用。

在其中一項《自然》研究中，來自基因泰克公司的研究團隊開發了一款名為SCimilarity的度量學習框架，為全身細胞的識別以及相似性查詢提供了新方法。

RNA測序已經為我們提供了海量的細胞狀態數據，但要想從這些數據中檢索找到相似的細胞圖譜，仍然是一項難以完成的任務。為了更充分地利用單細胞圖譜，首先需要建立起描述細胞狀態的模型，找到細胞相似性的度量方式。在研究團隊看來，解決方案就在現有的機器學習應用中。

機器學習在進行圖像處理時，會使用“反向圖像搜索”的度量學習模型。例如，通過訓練比較數據集中的不同面龐照片后，模型可以在數據集之外找到同一個人的其他照片。基于相似的思路，度量學習也可以使用經過注釋的RNA測序數據來訓練模型，從而用于比較細胞之間的相似性。

為此，作者開發了可以快速查詢數千萬個細胞圖譜的SCimilarity模型。利用這款工具，研究團隊從超過2000萬個細胞圖譜中查找出了間質性肺病的巨噬細胞和成纖維細胞圖譜，并且在其他纖維化疾病和組織中找到相似的細胞圖譜，驗證了方法的有效性。

由此，研究填補了現有方法在單細胞圖譜跨研究整合和比較中的空白，為跨器官、系統和條件的可擴展細胞搜索提供了強大的框架。

此外，兩項發表于《自然》子刊的研究解決了細胞注釋，即根據細胞屬性進行細胞分類的長期挑戰。

其中一項《自然-遺傳性》研究開發了一種用于對細胞進行分類的模型——popV。在單細胞測序分析中，細胞的分類是一個關鍵步驟。現有的工具可將細胞類型標簽從注釋的圖譜轉移到未注釋的數據集中，但這樣的分類預測方式也存在問題，那就是難以估計最終標簽的不確定性。

最新研究開發的popV 模型是一個集成模型，即結合了現有模型的分類預測。該工具可以同時生成細胞類型的標簽和不確定性分數，由此增強了結果的可解釋性，并且簡化了注釋過程，為未來的研究提出了強有力的模型。

另一篇《自然-通訊》論文介紹了全新的深度學習模型scTab，該模型可利用單細胞RNA測序數據注釋各種組織中的細胞類型。研究團隊引入了一種用于單細胞測序結果的數據增強方法，能夠克服傳統機器學習在處理大規模數據集方面的局限性，實現了對訓練數據集的擴增，從而能夠在組織中進行推廣。研究指出，scTab將有助于促進細胞標簽，以及細胞類型命名的標準化。

HCA聯盟在其官方網站指出，此次發布的研究進展為建立完整的人類細胞圖譜奠定了重要基礎，展示了已有的大規模開放數據，并強調了迄今為止取得的方法學進展、生物學和臨床洞見。

參考資料：

[1] Cellular atlases of the human body. Retrieved Nov. 21, 2024 from https://www.nature.com/articles/s41586-024-08189-z

[2] Ken To et al., A multiomic atlas of human embryonic skeletal development. Nature (2024) Doi: https://doi.org/10.1038/s41586-024-08189-z

[3] Nadav Yayon et al., A spatial human thymus cell atlas mapped to a continuous tissue axis. Nature (2024) Doi: https://doi.org/10.1038/s41586-024-07944-6

[4] Early skeleton map reveals how bones form in humans. Retrieved Nov. 21, 2024 from https://www.eurekalert.org/news-releases/1065209

[5] Amanda Oliver et al., Single-cell integration reveals metaplasia in inflammatory gut diseases. Nature (2024). DOI: https://doi.org/10.1038/s41586-024-07571-1

[6] Zhisong He et al., An integrated transcriptomic cell atlas of human neural organoids. Nature (2024). DOI: https://doi.org/10.1038/s41586-024-08172-8

[7] Heimberg et al., A cell atlas foundation model for scalable search of similar human cells. Nature (2024). https://doi.org/10.1038/s41586-024-08411-y

[8] Ergen et al., Consensus prediction of cell type labels in single-cell data with popV. Nature Genetics (2024). https://doi.org/10.1038/s41588-024-01993-3

[9] Fischer, F., Fischer, D.S., Mukhin, R. et al. scTab: Scaling cross-tissue single-cell annotation models. Nat Commun 15, 6611 (2024). https://doi.org/10.1038/s41467-024-51059-5

本文來自藥明康德內容微信團隊，歡迎轉發到朋友圈，謝絕轉載到其他平臺。如有開設白名單需求，請在“學術經緯”公眾號主頁回復“轉載”獲取轉載須知。其他合作需求，請聯系wuxi_media@wuxiapptec.com。

免責聲明：藥明康德內容團隊專注介紹全球生物醫藥健康研究進展。本文僅作信息交流之目的，文中觀點不代表藥明康德立場，亦不代表藥明康德支持或反對文中觀點。本文也不是治療方案推薦。如需獲得治療方案指導，請前往正規醫院就診。