一種用於大規模搜尋相似人類細胞的細胞圖譜基礎模型

核心概念

開發了一種名為 SCimilarity 的細胞相似性度量學習框架，可以跨不同研究快速查詢數百萬個細胞圖譜，以找到與輸入細胞圖譜或狀態轉錄相似的細胞，並通過實驗驗證其在肺部疾病中的應用。

摘要

單細胞 RNA 測序技術的新進展

近年來，單細胞 RNA 測序 (scRNA-seq) 技術取得了重大進展，研究人員已成功繪製了數億個人類細胞的圖譜，涵蓋了不同的器官、疾病、發育階段和細胞擾動。這些龐大的細胞圖譜數據為深入理解細胞功能、疾病機制和開發新的治療方法提供了前所未有的機會。

細胞相似性搜尋的挑戰

然而，有效地挖掘和利用這些不斷增長的細胞圖譜數據仍然面臨著巨大的挑戰。其中一個關鍵挑戰是如何在不同的研究和數據集中準確地比較和搜尋相似的細胞。由於細胞狀態的複雜性和數據的異質性，傳統的細胞相似性度量方法往往難以捕捉到細胞之間的細微差異，限制了跨數據集分析的能力。

SCimilarity：一種新的細胞相似性度量框架

為了克服這些挑戰，本研究提出了一種名為 SCimilarity 的細胞相似性度量學習框架。SCimilarity 採用度量學習的方法，可以從大量的 scRNA-seq 數據中學習一個統一且可解釋的細胞表示空間。在這個空間中，轉錄相似的細胞在距離上更接近，而轉錄差異較大的細胞則距離較遠。

SCimilarity 的應用：間質性肺病中的巨噬細胞和纖維母細胞分析

為了驗證 SCimilarity 的有效性，研究人員將其應用於一個包含 2340 萬個細胞的細胞圖譜，該圖譜涵蓋了 412 項 scRNA-seq 研究。他們首先從間質性肺病 (ILD) 患者的肺組織中提取了巨噬細胞和纖維母細胞的 scRNA-seq 數據，並使用 SCimilarity 在細胞圖譜中搜尋與這些細胞轉錄相似的細胞。

SCimilarity 的優勢：跨疾病和組織的細胞狀態比較

結果表明，SCimilarity 成功地識別了來自其他纖維化疾病和組織的相似細胞圖譜，證明了其跨疾病和組織比較細胞狀態的能力。此外，SCimilarity 還識別了一個與 ILD 巨噬細胞查詢結果最匹配的體外 3D 水凝膠系統，並通過實驗證實該系統可以再現 ILD 巨噬細胞的細胞狀態。

SCimilarity 的意義：促進人類細胞圖譜的應用

總之，SCimilarity 作為一個單細胞圖譜的基礎模型，為研究人員提供了一個強大的工具，可以跨越人體不同組織和疾病搜尋相似的細胞狀態。這將有助於深入理解細胞在健康和疾病中的作用，並促進人類細胞圖譜在生物醫學研究中的應用。

統計資料

該研究分析了一個包含 2340 萬個細胞的細胞圖譜，涵蓋了 412 項 scRNA-seq 研究。

引述

"SCimilarity serves as a foundation model for single-cell profiles that enables researchers to query for similar cellular states across the human body, providing a powerful tool for generating biological insights from the Human Cell Atlas."

從以下內容提煉的關鍵洞見

A cell atlas foundation model for scalable search of similar human cells - Nature

by Graham Heimb... 於 www.nature.com 11-20-2024

https://www.nature.com/articles/s41586-024-08411-y

深入探究

SCimilarity 如何應用於其他生物醫學領域，例如藥物開發和再生醫學？

SCimilarity 作為一個強大的細胞相似性搜索工具，在藥物開發和再生醫學領域有著廣闊的應用前景：
藥物開發：

尋找新的藥物靶點： 通過比對健康細胞和患病細胞的轉錄組，SCimilarity 可以幫助識別與疾病相关的特定基因或細胞通路，從而為藥物研發提供新的靶點。例如，通過分析腫瘤細胞和正常細胞的差異，可以找到特異性針對腫瘤細胞的藥物靶點。
預測藥物反應和毒性： 利用 SCimilarity 可以搜索與藥物作用機制相關的細胞狀態，預測藥物在不同個體或細胞類型中的反應差異，以及潛在的毒副作用。例如，可以通過分析藥物處理後細胞的轉錄組變化，預測藥物的療效和毒性。
開發個性化治療方案： 結合患者的基因組信息和細胞圖譜數據，SCimilarity 可以幫助開發針對特定患者的個性化治療方案。例如，可以根據患者的基因型和細胞狀態，選擇最有效的藥物和治療方案。
再生醫學：

細胞治療： SCimilarity 可以幫助識別和分離具有特定功能的細胞，例如可以分化成特定組織类型的干细胞，為細胞治療提供更精準的細胞來源。
組織工程： 通過分析不同組織和器官的細胞组成和相互作用，SCimilarity 可以幫助构建更接近人体生理状态的体外组织模型，用于药物筛选和再生医学研究。
疾病建模： 利用 SCimilarity 可以构建更精準的疾病模型，例如利用诱导多能干细胞（iPSCs）分化成特定类型的患病细胞，用于研究疾病机制和开发新的治疗方法。
總之，SCimilarity 可以帮助研究人员更深入地了解细胞的异质性和功能，从而推动药物开发和再生医学的发展。

SCimilarity 是否可以準確地識別不同物種之間的相似細胞狀態？

目前，SCimilarity 主要针对人类细胞进行训练和优化，直接应用于跨物种的细胞相似性分析可能会受到一定限制。不同物种之间存在基因组差异、基因表达调控机制差异等因素，直接比较不同物种的转录组数据可能会导致结果偏差。
然而，SCimilarity 的核心思想和方法可以拓展到跨物种分析：

构建跨物种细胞图谱： 整合不同物种的单细胞数据，构建跨物种的细胞图谱，可以为比较不同物种的细胞类型和功能提供基础。
开发跨物种的相似性度量方法： 针对不同物种的基因组和转录组特征，开发更精准的跨物种相似性度量方法，例如考虑基因组比对信息、基因功能注释等因素。
结合其他生物信息学方法： 将 SCimilarity 与其他生物信息学方法结合，例如基因本体论分析、蛋白质相互作用网络分析等，可以更全面地评估不同物种细胞之间的相似性。
总而言之，SCimilarity 为跨物种细胞相似性分析提供了新的思路和方法，但需要进一步的研究和改进才能更准确地识别不同物种之间的相似细胞状态。

如果將細胞比喻成宇宙中的星辰，那麼 SCimilarity 是否可以幫助我們繪製出一幅更加完整的人類細胞宇宙地圖？

将细胞比喻成宇宙中的星辰非常贴切，而 SCimilarity 正是帮助我们绘制这幅“人类细胞宇宙地图”的强大工具。

发现新的“星系”和“星云”： SCimilarity 可以帮助我们发现新的细胞类型和细胞状态，就像天文学家发现新的星系和星云一样。通过分析大量的单细胞数据，SCimilarity 可以识别出以前未知的细胞亚群，揭示细胞类型的多样性和复杂性。
绘制“星系”之间的“航线”： SCimilarity 可以帮助我们理解不同细胞类型之间的关系，就像绘制星系之间的航线一样。通过分析细胞之间的相似性和差异性，SCimilarity 可以构建细胞发育轨迹，揭示细胞分化和命运决定的机制。
探索“宇宙”的“演化历史”： SCimilarity 可以帮助我们研究细胞状态在不同生理和病理条件下的变化，就像探索宇宙的演化历史一样。通过分析不同时间点、不同组织、不同疾病状态下的细胞图谱，SCimilarity 可以揭示细胞状态的动态变化规律，帮助我们理解生命活动的本质。
总而言之，SCimilarity 为我们绘制“人类细胞宇宙地图”提供了强大的工具，帮助我们更深入地了解细胞的奥秘，探索生命的奥秘。