Éclairer les états cellulaires grâce à un modèle fondation unique, complet et interprétable

Pourquoi des cartes cellulaires plus intelligentes comptent

Chaque tissu de votre corps est une ville animée de cellules, chacune avec son rôle et son histoire. Les outils modernes peuvent lire l'activité de milliers de gènes dans des millions de cellules individuelles, mais ce flot de données est désordonné, lacunaire et difficile à interpréter. Cet article présente CellVQ, un nouveau modèle d'intelligence artificielle conçu pour transformer ces mesures embrouillées en cartes claires et compréhensibles des types cellulaires, des états cellulaires et de leurs réponses aux médicaments et aux modifications génétiques.

Une nouvelle manière de lire les cellules uniques

Les auteurs partent d'une idée simple : pour comprendre la santé et la maladie, il faut un « langage » fiable pour décrire l'état de chaque cellule. Les modèles d'IA existants entraînés sur des données monocellulaires sont puissants mais peinent face à trois problèmes concrets. D'abord, la plupart des mesures sont extrêmement parcimonieuses, de nombreux gènes semblant silencieux. Ensuite, différents laboratoires et techniques produisent des données à des échelles différentes, rendant les comparaisons difficiles. Enfin, le fonctionnement interne de ces modèles est souvent opaque, ce qui limite leur utilité pour les biologistes qui veulent des explications claires, pas seulement des prédictions.

Transformer l'activité cellulaire en un code cellulaire réutilisable

CellVQ s'attaque à ces problèmes avec un grand modèle entraîné sur 68 millions de cellules qui apprend un « code cellulaire » compact pour chaque cellule. Plutôt que de représenter chaque cellule par une longue liste de valeurs brutes, CellVQ fait passer les profils d'activité génique dans un encodeur et un module spécial de discrétisation monocellulaire. Ce module regroupe des profils similaires en codes partagés, de sorte que des cellules provenant d'expériences différentes mais se comportant de façon analogue obtiennent des codes apparentés. Parallèlement, un décodeur apprend à reconstruire l'activité génique manquante en utilisant un modèle statistique adapté aux données contenant de nombreux zéros. Cette stratégie d'entraînement aide le système à composer avec des mesures parcimonieuses tout en capturant des relations significatives entre gènes.

Des données brutes à des prédictions utiles

Une fois entraîné, CellVQ peut être appliqué à de nombreuses tâches sans ajustement supplémentaire. Le modèle sépare les types cellulaires plus nettement que les méthodes concurrentes, conduisant à des regroupements plus précis et à un étiquetage automatique des identités cellulaires plus fidèle. Il prédit également des propriétés pratiques telles que le tissu d'origine, l'âge, le sexe et le statut pathologique mieux que les approches précédentes. Fait remarquable, les mêmes représentations fonctionnent bien sur des échantillons en vrac qui moyennent de nombreuses cellules, améliorant la performance pour prédire comment les cellules cancéreuses répondent à différents médicaments et la sensibilité potentielle des patients ou des lignées cellulaires à des traitements spécifiques.

Révéler comment gènes et médicaments remodelent les cellules

L'étude teste en outre si CellVQ capture des relations de cause à effet lorsque des gènes ou des médicaments sont perturbés. À partir de jeux de données où des gènes individuels sont désactivés ou des combinaisons modifiées, CellVQ aide à prévoir comment le reste du génome réagit à la résolution monocellulaire, égalant souvent ou surpassant des modèles spécialisés. Pour les expositions médicamenteuses, les auteurs combinent les représentations géniques de CellVQ avec un modèle séparé qui lit les structures des médicaments ; ensemble, ces systèmes prédisent avec précision comment l'activité génique change dans des cellules immunitaires traitées par des composés spécifiques. La méthode peut identifier les gènes qui changent le plus, fournissant des indices sur le mécanisme d'action des médicaments et leurs effets secondaires.

Construire des graphes de connaissances des états cellulaires

Pour rendre la logique interne du modèle accessible, les auteurs présentent CellVQ-Graph, un add-on léger qui utilise les sorties de CellVQ pour construire un graphe reliant cellules, gènes et propriétés descriptives telles que tissu, étiquette de maladie, âge et sexe. Dans ce graphe, les poids d'attention mettent en évidence quels gènes et quelles caractéristiques importent le plus pour chaque état cellulaire. Appliqué aux données cérébrales et pancréatiques, le système distingue des sous-types cellulaires subtils, propose des états intermédiaires et met en avant des gènes marqueurs bien connus aux côtés de candidats moins étudiés. Il infère aussi des réseaux de gènes qui évoluent souvent conjointement, éclairant des circuits régulateurs contrôlant le développement, les réponses au stress et l'inflammation.

Ce que cela signifie pour la recherche cellulaire à venir

En termes simples, CellVQ et CellVQ-Graph agissent comme un puissant moteur de traduction et de cartographie de la vie cellulaire, convertissant des mesures bruitées en un code partagé qui peut être comparé entre études et maladies. Ce travail montre qu'un seul modèle peut à la fois améliorer les tâches de prédiction et offrir des indices biologiques clairs, des gènes marqueurs clés aux partenariats génique-à-génique probables. Bien que la version actuelle soit principalement entraînée sur un type de lecture moléculaire, les auteurs prévoient de l'étendre à d'autres types de données, visant un atlas unifié et interprétable de la façon dont les cellules évoluent au fil du temps, dans différents tissus et sous traitement.

Citation: 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

Mots-clés: séquençage ARN monocellulaire, états cellulaires, modèle fondation, régulation génique, réponse médicamenteuse