Att belysa celltillstånd med en heltäckande och tolkbar single-cell foundation-modell

Varför smartare cellkartor spelar roll

Vävnader i kroppen är som livliga städer av celler, där varje cell har sitt jobb och sin historia. Moderna metoder kan läsa av aktiviteten hos tusentals gener i miljontals individuella celler, men denna datamängd är rörig, ofullständig och svår att tolka. I denna studie introduceras CellVQ, en ny artificiell intelligensmodell utformad för att omvandla dessa trassliga mätningar till tydliga, lättförståeliga kartor över celltyper, celltillstånd samt deras svar på läkemedel och genetiska förändringar.

Ett nytt sätt att läsa single-cell-data

Författarna utgår från en enkel idé: för att förstå hälsa och sjukdom behöver vi ett pålitligt ”språk” för att beskriva vilket tillstånd varje cell befinner sig i. Befintliga AI-modeller tränade på single-cell-data är kraftfulla men har svårt med tre praktiska problem. För det första är de flesta mätningar extremt glesa, med många gener som verkar tysta. För det andra ger olika laboratorier och tekniker data på olika skalor, vilket försvårar jämförelser. För det tredje är modellernas inre funktion ofta ogenomskinlig, vilket begränsar deras användbarhet för biologer som vill ha tydliga förklaringar, inte bara prediktioner.

Att omvandla cellaktivitet till en återanvändbar cellkod

CellVQ tacklar dessa problem med en stor modell tränad på 68 miljoner celler som lär sig en kompakt ”cellkod” för varje cell. Istället för att representera varje cell som en lång lista råa siffror skickar CellVQ genaktivitetsmönster genom en encoder och en särskild Single-Cell Discretization-modul. Denna modul grupperar liknande mönster till delade koder, så celler från olika experiment som beter sig lika får relaterade koder. Samtidigt lär sig en decoder att rekonstruera saknad genaktivitet med en statistisk modell anpassad för data med många nollor. Denna träningsstrategi hjälper systemet hantera glesa mätningar samtidigt som meningsfulla relationer mellan gener fångas upp.

Från rådata till användbara prediktioner

När modellen är tränad kan CellVQ användas för många uppgifter utan extra finjustering. Modellen separerar celltyper tydligare än konkurrerande metoder, vilket leder till skarpare kluster och mer precisa automatiska etiketter för cellidentiteter. Den predicerar också praktiska egenskaper såsom vävnadens ursprung, ålder, kön och sjukdomsstatus bättre än tidigare angreppssätt. Anmärkningsvärt är att samma representationer fungerar bra på bulkprover som genomsnittsbildar många celler, vilket förbättrar förmågan att förutsäga hur cancerceller svarar på olika läkemedel och hur känsliga patienter eller cellinjer kan vara för specifika behandlingar.

Att avslöja hur gener och läkemedel omformar celler

Studien testar vidare om CellVQ fångar orsak-verkansamband när gener eller läkemedel perturbas. Med dataset där enskilda gener stängs av eller kombinationer ändras hjälper CellVQ till att förutsäga hur resten av genomet svarar på single-cell-nivå, ofta i nivå med eller bättre än specialiserade modeller. För läkemedelsexponeringar kombinerar författarna CellVQ:s genrepresentationer med en separat modell som läser läkemedelsstrukturer, och tillsammans förutspår dessa system exakt hur genaktiviteten förändras i immunceller behandlade med specifika föreningar. Metoden kan peka ut vilka gener som förändras mest och ge ledtrådar om läkemedelens verkningsmekanismer och biverkningar.

Att bygga kunskapsgrafer över celltillstånd

För att göra modellens inre logik åtkomlig introducerar författarna CellVQ-Graph, ett lättvikts-tillägg som använder CellVQ:s output för att bygga en graf som länkar celler, gener och beskrivande egenskaper såsom vävnad, sjukdomsetikett, ålder och kön. I denna graf framhäver uppmärksamhetsvikter vilka gener och funktioner som betyder mest för varje celltillstånd. Tillämpat på hjärn- och pankreasdata separerar systemet subtila cellsubtyper, föreslår intermediära tillstånd och lyfter fram välkända markörgener tillsammans med mindre studerade kandidater. Det härleder också nätverk av gener som tenderar att röra sig tillsammans, vilket ger insikt i regulatoriska kretsar som styr utveckling, stressresponser och inflammation.

Vad detta betyder för framtida cellforskning

I vardagliga termer fungerar CellVQ och CellVQ-Graph som en kraftfull översättnings- och kartmotor för cellulärt liv, som omvandlar brusiga mätningar till en delad kod som kan jämföras över studier och sjukdomar. Arbetet visar att en och samma modell både kan förbättra prediktiva uppgifter och erbjuda tydliga biologiska ledtrådar, från nyckelmarkörer till sannolika gen-gen-partnerskap. Medan den nuvarande versionen huvudsakligen är tränad på en typ av molekylärt avläsningsdata planerar författarna att utöka den till fler datatyper, med målet att skapa en enhetlig, tolkbar atlas över hur celler förändras över tid, i olika vävnader och under behandling.

Citering: 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

Nyckelord: single-cell RNA-sekvensering, celltillstånd, foundation-modell, genreglering, läkemedelssvar