中国科学院自动化研究所多模态人工智能系统全国重点实验室计算生物学与机器智能（CBMI）团队近期取得重要突破，首次系统揭示了细胞内溶酶体运动的调控机制。研究聚焦内溶酶体——负责物质运输、降解与信号传导的关键细胞器——在细胞质中“走走停停”的复杂动态行为。传统研究依赖人工标注轨迹，难以应对高通量数据和病理条件下的运动复杂性。为此，CBMI团队开发基于深度学习的全自动图像分析流程，整合单粒子追踪、空间分布分析与内质网（ER）形态学特征，实现了对数千条内溶酶体轨迹的精准重建与多模态数据融合。该方法突破了人工分析的瓶颈，推动细胞动力学研究从“观察轨迹”迈向“理解机制”的关键跃迁。 研究发现，内质网的网格状结构节点是调控内溶酶体运动模式切换的核心枢纽。内溶酶体在ER网络中呈现三种典型状态：全局快速移动、局部慢速移动及短暂暂停。尤其值得注意的是，暂停事件常伴随内体与溶酶体之间的瞬时互作及细胞器裂变，提示细胞骨架与内膜系统之间存在精细的动态耦合机制。这一发现揭示了ER不仅是蛋白质合成场所，更作为细胞器间协调运动的“交通枢纽”，在空间上整合和调控细胞器的功能执行。 该成果发表于《科学进展》（Science Advances），由中国科学院自动化研究所副研究员李文静为第一作者，杨戈研究员为通讯作者，合作者包括中科院生物物理研究所胡俊杰研究员。研究获得国家自然科学基金重大研究计划、中科院先导专项、国家重点研发计划及中央高校基本科研业务费等项目支持。相关技术已集成至中科院部署的“磐石科学基础大模型”与“磐石·数字细胞平台”，为未来生命科学研究提供智能化基础设施。 业内专家评价，该研究标志着人工智能在细胞生物学中的深度应用实现质的飞跃。通过AI赋能，科学家首次实现了对细胞器动态行为的系统性解析，不仅为理解细胞器间空间协作机制提供新范式，也为神经退行性疾病、溶酶体贮积症等与细胞器运动障碍相关疾病的机制研究和药物筛选开辟新路径。该成果体现了中国在AI+生命科学交叉领域的前沿布局，展示了从“数据驱动”到“知识发现”的转化潜力，有望加速基础研究向临床转化的进程。