在發(fā)表于《Nature》期刊的一項研究中，研究者借助Moscot（多組學(xué)單細胞最優(yōu)傳輸）的新技術(shù)，成功實(shí)現對數百萬(wàn)細胞的同時(shí)觀(guān)察，揭示它們在形成新器官過(guò)程中的動(dòng)態(tài)發(fā)展。

之前，生物學(xué)家對細胞在其自然環(huán)境中的發(fā)育了解有限，比如在胚胎中形成器官的過(guò)程。“現有的方法只能提供少量細胞的快照，或無(wú)法將動(dòng)態(tài)過(guò)程與空間和時(shí)間有效聯(lián)系，”研究的主要作者之一、慕尼黑亥姆霍茲研究中心計算生物學(xué)研究所的博士生Dominik Klein表示。“這大大限制了我們對器官發(fā)育及相關(guān)復雜相互作用的理解。”

Moscot 繪制整個(gè)器官和生物體的細胞發(fā)育圖

Dominik Klein與Giovanni Palla、蘇黎世聯(lián)邦理工學(xué)院的Marius Lange、蘋(píng)果公司的Michal Klein以及耶路撒冷希伯來(lái)大學(xué)的Zoe Piran組成的跨學(xué)科團隊共同開(kāi)發(fā)了Moscot。該團隊借鑒了18世紀發(fā)展起來(lái)的最優(yōu)傳輸理論，這一理論描述了對象如何高效從一個(gè)地點(diǎn)移動(dòng)到另一個(gè)地點(diǎn)，以最小化時(shí)間、能量或成本。以往在兩個(gè)細胞群體中應用最優(yōu)傳輸的研究因生物醫學(xué)數據集的規模受到限制，但現在，隨著(zhù)人工智能的進(jìn)步，這一障礙已得以克服，尤其得益于共同作者M(jìn)arco Cuturi（蘋(píng)果）的貢獻。Klein指出：“我們調整了數學(xué)模型，以準確表示細胞在發(fā)育過(guò)程中的分子信息和位置。最優(yōu)傳輸理論幫助我們理解細胞如何移動(dòng)、變化以及從一種狀態(tài)過(guò)渡到另一種狀態(tài)。”因此，現在可以前所未有地同時(shí)觀(guān)察到數百萬(wàn)個(gè)細胞。

圖1:Moscot在單細胞應用中實(shí)現高效的多模式OT。

Moscot能夠進(jìn)行空間組織中單細胞的多模式映射，發(fā)揮著(zhù)動(dòng)態(tài)生物過(guò)程中至關(guān)重要的作用。它將數百萬(wàn)個(gè)細胞連接起來(lái)，關(guān)聯(lián)基因表達的變化與細胞決策。Moscot的實(shí)施旨在利用復雜算法分析巨量數據集，同時(shí)為生物學(xué)家提供直觀(guān)的界面。此外，Moscot精確且同步地捕捉大量細胞的分子狀態(tài)，并描述它們在空間和時(shí)間中的發(fā)展。這使得首次能夠跟蹤和更好地理解整個(gè)活體器官和生物體內復雜細胞過(guò)程成為可能。

對胰腺研究的新見(jiàn)解

Moscot的應用在胰腺研究中提供了新的視角：團隊成功地根據多模式測量繪制了胰腺內激素產(chǎn)生細胞的發(fā)育圖譜?；谶@些發(fā)現，科學(xué)家們可以詳細分析相關(guān)機制。“這種對細胞過(guò)程的新理解為針對病因的探索開(kāi)辟了機會(huì )，而非僅僅處理表面癥狀，”慕尼黑亥姆霍茲糖尿病與再生研究所的所長(cháng)、共同完成研究的合著(zhù)者Prof. Heiko Lickert表示。

醫學(xué)研究的轉折點(diǎn)

慕尼黑亥姆霍茲計算生物學(xué)研究所所長(cháng)、慕尼黑工業(yè)大學(xué)教授Fabian Theis強調了Moscot在生物醫學(xué)研究中的重要性：“Moscot正在改變我們理解和利用生物數據的方式。它不僅使我們能夠以前所未有的細節捕捉細胞發(fā)育的動(dòng)態(tài)過(guò)程，還能對疾病的發(fā)展進(jìn)行準確預測，以促使個(gè)性化的研究方案的制定。”

對于Theis而言，Moscot是跨學(xué)科合作的典范：“這一項目成功結合了數學(xué)與生物學(xué)，令人印象深刻地展示了不同學(xué)科之間合作的價(jià)值。得益于與慕尼黑亥姆霍茲糖尿病中心Heiko Lickert團隊的緊密合作，我們能夠通過(guò)實(shí)驗驗證Moscot的預測。”

雜志：Nature

DOI：10.1038/s41586-024-08453-2