斯多沃医学研究所与慕尼黑赫尔姆霍兹中心的研究团队在《细胞》杂志发表了一项突破性成果，开发出名为 RegVelo 的新人工智能框架。该工具旨在解决单细胞生物学长期存在的难题：不仅预测细胞将发育为何种类型，更能精准识别驱动这一命运决定的关键基因调控因子。RegVelo 创新性地将预测细胞动态变化的“RNA 速度”方法与推断基因调控网络的技术相结合，通过深度学习模拟细胞在时空中的演变路径。 研究以斑马鱼胚胎的神经嵴细胞为模型进行验证。神经嵴细胞能分化为面部、心脏、神经系统及色素细胞等多种组织。RegVelo 成功预测并验证了一个早期色素细胞驱动因子（tfec）以及一个此前未知的色素细胞命运调控因子（elf1）。后续实验通过基因敲除和扰动测序证实了模型预测的准确性，证明其不仅能描述发育变化，还能生成可验证的生物学假设。 该技术的核心优势在于，它能通过计算机模拟缩小实验筛选范围，帮助科学家从数百个潜在基因中快速锁定关键调控者，从而大幅降低实验成本与难度。项目负责人 Tatjana Sauka-Spengler 指出，了解细胞决策机制对于再生医学至关重要。若能复现早期细胞的分化指令，未来有望在体外自然培育特定细胞类型，用于心脏修复、皮肤移植等疗法。 研究团队认为，RegVelo 的适用范围远超神经嵴细胞，可推广至肿瘤轨迹建模、血液生成及胚胎发育等多种场景。尽管目前模型在计算成本和时间推断上仍有简化，但它标志着发育生物学从静态描述向动态预测迈出了重要一步，为解析发育缺陷病因及指导干细胞治疗提供了强有力的新工具。