iS2C2：一个用于揭示疾病细胞间机制性串扰的共智平台

为什么细胞与计算机之间的智能协作很重要

当我们生病时，细胞会开始向彼此发送异常信号，在症状出现之前悄然重塑组织。现代生物学现在能够在数以百万计的单个细胞中逐基因记录这些信号，但产生的数据过于庞大和复杂，单靠人工专家难以解读。本文介绍了 iS2C2——一个让严谨的数据分析与大型语言模型协同工作的平台，用于揭示阿尔茨海默病和癌症等疾病中细胞如何交流，并指向更精确的诊断与治疗路径。

疾病中细胞如何进行无声对话

机体的每个组织都是一个繁忙的细胞社区，细胞之间不断交换信号。一种细胞释放作为“配体”的分子，另一种细胞通过表面的对应“受体”接收该信号，从而触发内部变化。当这种对话出错时，可能推动从阿尔茨海默病的记忆丧失到癌症的肿瘤扩散等病症。新的单细胞和空间 RNA 测序技术现在可以揭示每个细胞中哪些基因处于活跃状态以及这些细胞在三维空间中的位置。挑战在于将这股数字洪流转化为关于谁在与谁交谈以及这些信息如何改变疾病进程的清晰叙述。

一种新的细胞间信息地图

iS2C2 的上半部分是一个名为 S2C2 的专用分析引擎。它接受来自人或小鼠组织的单细胞和空间基因数据，搜索一对对细胞——其中一方强烈表达某种信号分子，而另一方表达其对应的受体。S2C2 并不止步于此，而是沿着信号向内追溯，通过已知的通路成分链路一直跟踪到核内的关键调控基因。每条这样的路径称为通路分支，并获得一个活性评分，该评分同时反映信号发送的强度和下游基因的响应强度。这一评分体系有助于突出在特定疾病中最为异常的分支，即便原始数据存在噪声或不完整性。

让语言模型参与生物学推理

iS2C2 的下半部分将大型语言模型作为推理伙伴。S2C2 输出结构化文件，列出重要的信号对、通路分支及其背景信息。精心设计的提示（prompts）随后引导语言模型逐步读取这些文件，挑选最具影响力的信号，将其与现有生物学知识连接，并生成可实验检验的假设。作者展示了通过使用示例和分步推理提示，可以减少模型编造无根据连接的倾向，并提高其建议与基础数据的一致性。专家评审认为，所生成的解释比早期方法更易理解，也更有助于实验设计。

该平台在阿尔茨海默病与癌症中的发现

为在真实疾病场景中测试 iS2C2，团队将其应用于数个来自阿尔茨海默病患者的大型脑数据集。平台突出了一个意外的对话，即支持细胞星形胶质细胞与邻近神经元之间的交流，核心是被称为 CSF1 及其受体的一对信号。在细胞培养实验中，破坏这一联系会削弱神经元中的保护通路并改变其炎症反应，支持了该串扰有助于神经细胞存活的观点。在第二个关于乳腺癌细胞向骨转移的案例研究中，iS2C2 结合单细胞与空间数据展示了肿瘤细胞与骨内驻留干细胞如何通过交织的信号通路相互影响。该分析指出了一个受他莫昔芬影响的共同控制点，在小鼠中该药物减缓了早期骨转移的进程。

对未来医学的意义

简而言之，iS2C2 是一个智能中介，将混乱的细胞数据翻译为结构化模式，然后请求 AI 系统解释这些模式可能对疾病意味着什么。通过改善我们识别和解读细胞间隐性通信的方式，该平台帮助研究人员提出更清晰、可检验的关于驱动阿尔茨海默病和转移性癌症等疾病的假设。尽管这些建议仍需谨慎的人类评估和实验室验证，这种共智方法指向了一个未来：计算机帮助科学家更快地驾驭复杂生物学，从而以更大的信心指导新的诊断和治疗的探索。

引用: Sheng, J., Ahn, J.Y., Yang, L. et al. iS2C2: a cointelligent platform for mechanistic discovery of disease cellular crosstalk. Sig Transduct Target Ther 11, 172 (2026). https://doi.org/10.1038/s41392-026-02691-8

关键词: 细胞通信, 单细胞数据, 大型语言模型, 阿尔茨海默病, 癌症转移