AI模型实现跨物种细胞生物学映射

斯坦福大学医学院研究团队近日在国际顶刊《自然》与《科学》发表成果，正式推出两款人工智能细胞模型。其中第二代模型TranscriptFormer已基于1.12亿个细胞、涵盖酵母至人类等12个物种的基因表达数据完成训练。该成果由Stephen Quake教授、Jure Leskovec教授及CZ Initiative学者共同主导，其算法机制类比大型语言模型，通过推演基因表达规律构建出跨物种可比对的通用数学空间。该模型彻底革新了复杂生物学数据的解析方式。研究团队利用其成功追溯了海绵细胞与高等动物的神经进化同源关系，并证实其在精准识别新物种细胞、鉴别病理与健康表型方面具有极高可靠性。专家指出，此类AI工具不仅能大幅降低跨物种生物学研究门槛，更将为细胞疗法设计与疾病靶点发现提供前瞻性算力支持。该研究整合了多机构数据资源，标志着细胞生物学正式迈入人工智能驱动的计算新纪元。