Celcomen：用于单细胞和组织扰动建模的空间因果解缠

为何绘制活体组织图谱至关重要

我们体内的每个器官都由数十亿细胞构成，这些细胞持续相互交流。通过基因开关的切换进行的这些对话，决定了组织是保持健康、抗击感染，还是走向癌变。新型显微镜现在可以在保留细胞在组织中位置信息的同时读取数千个基因在单个细胞中的活动。但要理解这座数据高山——并预测如果改变某个基因或细胞类型会发生什么——需要强大且可靠的数学工具。本研究引入了这样一种工具，称为 Celcomen，旨在理清细胞如何在空间上影响自身与邻居，并预测组织在疾病或疗法下的反应。

将细胞自身与其邻域分离开来

每个细胞的基因活动既反映其内部既定的程序，也反映其从周围细胞接收的信号。现有方法常把这两类影响混为一谈，或依赖对哪些基因相互作用的先验知识，而这些知识往往不完整。Celcomen 采取不同路径：将组织视为一个网络，每个细胞是一个节点，近邻细胞通过连接相连。在这个框架内，它在数学上把发生在细胞内部的相互作用与跨细胞边界的相互作用区分开来。通俗地说，它在问：哪些基因变化可以用细胞自身的内部线路来解释，哪些则需要来自邻居的信号才能解释？

受因果性启发的核心引擎

Celcomen 的核心是一个基于图的神经网络，该网络受到因果推断原则的严格约束。它不是单纯拟合模式的“黑盒”，而是构建为满足可辨识性：对于给定数据集，应该存在本质上唯一的最佳潜在相互作用结构来解释它。作者通过数学论证和计算机模拟展示了，Celcomen 能够恢复真实细胞内及细胞间基因–基因网络的基本骨架。系统首先从数据中学习相互作用图谱，然后使用第二个模块生成逼真的合成组织谱并预测在特定扰动下基因活动模式将如何变化。

在人类脑癌中的预测检验

为了检验 Celcomen 是否捕捉到真实生物学，研究团队将其应用于来自人类多形性胶质母细胞瘤（侵袭性脑肿瘤）的高分辨率空间数据。模型在没有被告知哪些基因编码分泌因子或内部信号蛋白的情况下，自动将分泌型、细胞间信号基因归入外部相互作用程序，并将许多内部信号基因限制在细胞内程序中。随后他们进行了一个虚拟实验：在单个肿瘤细胞中关闭与干扰素相关的基因。Celcomen 预测到的不仅是该细胞内干扰素反应的崩溃，还有附近细胞中由干扰素驱动的免疫程序的减弱——这与已知干扰素信号在组织中传播并影响局部免疫的方式相呼应。

将虚拟组织与真实动物肿瘤比对

接着，研究者用来自小鼠肺癌模型的数据对 Celcomen 进行了挑战，该模型在特定肿瘤区域中实验性敲除了某些基因。他们仅在未扰动或混合病灶上训练模型，然后让模型模拟在特定肿瘤部位禁用某个基因会发生什么。预测到的基因活动变化与那些在体内真实删除这些基因的肿瘤中的实际测量结果进行了比较。在多处病灶和多个基因上，Celcomen 的预测与实际变化显示出强烈的正相关，而且这些相关性远高于随机预期。这表明模型的虚拟实验与生物学现实紧密一致。

对未来医学的意义

Celcomen 提供了一种构建“虚拟组织”的途径，可以在计算机上进行探测而无需先在实验室中操作。通过区分细胞行为中来自自身线路与来自邻域的贡献，并提供稳定且可解释的预测，该方法可以帮助科学家探究诸如癌症等疾病如何扰乱局部细胞群落以及针对性疗法如何可能恢复它们。随着空间和单细胞技术变得更普及且更具分辨率，像 Celcomen 这样的工具可以指导应先开展哪些实验，揭示病变组织中出人意料的薄弱环节，并最终加速针对不仅单个细胞而是构成器官的复杂细胞群体的治疗设计。

引用: Megas, S., Chen, D.G., Polanski, K. et al. Celcomen: spatial causal disentanglement for single-cell and tissue perturbation modeling. Nat Commun 17, 4126 (2026). https://doi.org/10.1038/s41467-026-69856-5

关键词: 空间转录组学, 细胞间通信, 因果建模, 癌症微环境, 虚拟组织