Aufklärung von Zellzuständen durch ein umfassendes und interpretierbares Single-Cell-Foundation-Modell

Warum intelligentere Zellkarten wichtig sind

Jedes Gewebe in Ihrem Körper ist eine lebhafte Stadt aus Zellen, jede mit eigener Aufgabe und individuellem Werdegang. Moderne Werkzeuge können die Aktivität von Tausenden Genen in Millionen einzelner Zellen messen, doch diese Datenflut ist unordentlich, lückenhaft und schwer zu interpretieren. In diesem Beitrag wird CellVQ vorgestellt, ein neues KI-Modell, das darauf ausgelegt ist, diese verhedderten Messwerte in klare, für Menschen verständliche Karten von Zelltypen, Zellzuständen und deren Reaktionen auf Medikamente und genetische Veränderungen zu überführen.

Eine neue Art, Einzelzellen zu lesen

Die Autoren beginnen mit einer einfachen Idee: Um Gesundheit und Krankheit zu verstehen, brauchen wir eine verlässliche „Sprache“, um den Zustand jeder Zelle zu beschreiben. Bestehende KI-Modelle, die auf Einzelzelldaten trainiert sind, sind zwar leistungsfähig, haben aber mit drei praktischen Problemen zu kämpfen. Erstens sind die meisten Messwerte extrem spärlich, viele Gene erscheinen stumm. Zweitens liefern verschiedene Labore und Verfahren Daten auf unterschiedlichen Skalen, was den Vergleich erschwert. Drittens sind die internen Mechanismen dieser Modelle oft undurchsichtig, was ihren Nutzen für Biologen einschränkt, die klare Erklärungen statt nur Vorhersagen wollen.

Umwandlung von Zellaktivität in einen wiederverwendbaren Zellcode

CellVQ begegnet diesen Herausforderungen mit einem großen Modell, das an 68 Millionen Zellen trainiert wurde und einen kompakten „Zellcode“ für jede Zelle erlernt. Statt jede Zelle als lange Liste roher Zahlen darzustellen, führt CellVQ Genaktivitätsmuster durch einen Encoder und ein spezielles Single-Cell-Discretization-Modul. Dieses Modul gruppiert ähnliche Muster zu gemeinsamen Codes, sodass Zellen aus unterschiedlichen Experimenten, die sich ähnlich verhalten, verwandte Codes erhalten. Gleichzeitig lernt ein Decoder, fehlende Genaktivitäten mithilfe eines statistischen Modells wiederherzustellen, das für Daten mit vielen Nullen geeignet ist. Diese Trainingsstrategie hilft dem System, mit spärlichen Messungen umzugehen und zugleich sinnvolle Beziehungen zwischen Genen zu erfassen.

Von Rohdaten zu nützlichen Vorhersagen

Einmal trainiert, lässt sich CellVQ für viele Aufgaben ohne zusätzliches Fein-Tuning anwenden. Das Modell trennt Zelltypen sauberer als konkurrierende Methoden, was zu schärferen Clustern und genaueren automatischen Zellidentifikationen führt. Es sagt auch praktische Eigenschaften wie Gewebeherkunft, Alter, Geschlecht und Krankheitsstatus besser voraus als frühere Ansätze. Bemerkenswerterweise funktionieren die gleichen Repräsentationen auch gut auf Bulk-Proben, die viele Zellen mitteln, und verbessern die Leistung bei der Vorhersage, wie Krebszellen auf verschiedene Medikamente reagieren und wie empfindlich Patienten oder Zelllinien gegenüber bestimmten Behandlungen sein könnten.

Aufdeckung, wie Gene und Medikamente Zellen umformen

Die Studie prüft außerdem, ob CellVQ Ursache-Wirkungs-Beziehungen erfasst, wenn Gene oder Medikamente perturbiert werden. Mithilfe von Datensätzen, in denen einzelne Gene abgeschaltet oder Kombinationen verändert werden, prognostiziert CellVQ, wie der Rest des Genoms auf Einzelzellebene reagiert, und erreicht dabei häufig die Leistung spezialisierter Modelle oder übertrifft sie. Bei Medikamentenexpositionen kombinieren die Autoren die Genrepräsentationen von CellVQ mit einem separaten Modell, das Medikamentenstrukturen ausliest; zusammen sagen diese Systeme genau voraus, wie sich die Genaktivität in Immunzellen unter bestimmten Verbindungen verändert. Die Methode kann herausstellen, welche Gene sich am stärksten verschieben, und liefert damit Hinweise auf Wirkungsweisen und Nebenwirkungen von Medikamenten.

Aufbau von Wissensgraphen zu Zellzuständen

Um die innere Logik des Modells zugänglich zu machen, stellen die Autoren CellVQ-Graph vor, ein leichtgewichtiges Zusatzmodul, das die Ausgaben von CellVQ nutzt, um einen Graphen zu bauen, der Zellen, Gene und beschreibende Eigenschaften wie Gewebe, Krankheitskennzeichnung, Alter und Geschlecht verknüpft. In diesem Graphen heben Attention-Gewichte hervor, welche Gene und Merkmale für jeden Zellzustand am wichtigsten sind. Angewandt auf Gehirn- und Pankreasdaten trennt das System subtile Subtypen von Zellen, schlägt Zwischenzustände vor und nennt bekannte Marker-Gene neben weniger untersuchten Kandidaten. Es leitet zudem Netzwerke von Genen ab, die tendenziell gemeinsam aktiviert werden, und beleuchtet so Regulationsschaltkreise, die Entwicklung, Stressreaktionen und Entzündungen steuern.

Was das für die zukünftige Zellforschung bedeutet

Alltäglich formuliert wirken CellVQ und CellVQ-Graph wie eine leistungsstarke Übersetzungs- und Kartierungsmaschine für das zelluläre Leben: Sie verwandeln rauschbehaftete Messungen in einen gemeinsamen Code, der über Studien und Krankheiten hinweg vergleichbar ist. Die Arbeit zeigt, dass ein einziges Modell sowohl Vorhersageaufgaben verbessern als auch klare biologische Hinweise liefern kann — von Schlüsselmarker-Genen bis zu wahrscheinlichen Gen-Gen-Partnerschaften. Während die aktuelle Version hauptsächlich auf eine Art molekularer Messung trainiert ist, planen die Autoren, sie auf weitere Datentypen auszuweiten, mit dem Ziel eines einheitlichen, interpretierbaren Atlas darüber, wie sich Zellen im Laufe der Zeit, in verschiedenen Geweben und unter Behandlung verändern.

Zitation: Wang, J., Tan, C., Gao, Z. et al. Illuminating cell states by a comprehensive and interpretable single cell foundation model. Nat Commun 17, 4037 (2026). https://doi.org/10.1038/s41467-026-70071-5

Schlüsselwörter: Einzelzell-RNA-Sequenzierung, Zellzustände, Foundation-Modell, Genregulation, Medikamentenantwort