Science：人工智能基础模型旨在使干细胞治疗更可预测

再生医学最持久的目标之一看似简单：用实验室培育的健康新细胞替换一个人受损或垂死的细胞。

哈佛医学院及世界各地的研究人员在实现这一目标方面取得了显著进展，他们学会了如何引导干细胞成为肌肉、神经和其他特化的细胞类型。原则上，这些实验室培育的细胞有朝一日可用于修复受损组织或减缓疾病进展。然而，在实践中，这些进展中只有一小部分走出了实验室。

困难在于控制干细胞发育过程极其不易。随着细胞成熟，它们会对一系列化学信号作出反应，这些信号告诉它们要变成什么。这些信号必须在正确的时间、以正确的量到达。微小的失误都可能导致细胞偏离预定路径，使它们不成熟、不一致或不适合用作治疗。即使在一个实验室中效果很好的方案，在其他地方也可能难以重复。

哈佛医学院布拉瓦特尼克研究所的研究人员共同创立了Cellular Intelligence公司来应对这一挑战。

基于发育生物学、系统生物学和计算生物学的大量实验数据集，该公司旨在建立一个基础模型——一个在实验数据上训练的大型机器学习系统，以满足将细胞替代疗法转化为可行治疗的两个必要条件：可预测性和可规模化。

"对于许多细胞疗法，生物学原理是可行的，但不够稳健。"科学创始人之一、哈佛医学院系统生物学教授Allon Klein说。"你或许能一次获得正确的细胞，但可靠地、大规模地重现这个结果则是一个截然不同的问题。"

经过训练和验证后，这个机器学习工具可以揭示指导细胞发育的底层规则——研究人员可以利用这些规则来预测细胞在新条件下会如何表现。

"发育生物学本身已有内在逻辑。"Klein说。"我们试图做的是充分理解这种逻辑，以便引导它。"

逐步探索转化之路

Cellular Intelligence（前身为Somite AI）的起源在于数十年的基础研究。

在团队设想成立公司之前，大部分早期工作是在哈佛医学院完成的。在那个阶段，重点是构建工具，并探究它们是否能阐明关于细胞如何发育的基本问题。

随着科学图景逐渐清晰，Klein和同事们——包括科学创始人Olivier Pourquié（哈佛医学院Frank Burr Mallory病理学教授，就职于布莱根妇女医院，同时也是哈佛医学院遗传学教授）和Clifford Tabin（George Jacob and Jacqueline Hazel Leder遗传学教授、哈佛医学院遗传学系主任）——开始考虑进一步开展这项工作需要什么。

有些问题，例如关于可重复性、规模化以及实验和计算方法的整合，在学术实验室内部很难解决。

布拉瓦特尼克哈佛生命实验室Longwood提供了一个实际的下一步。该孵化器为与哈佛相关的早期生命科学初创公司提供共享实验室空间和基础设施，允许团队在学术环境之外组织工作，同时与正在进行的研究保持密切联系。

对于Cellular Intelligence来说，这种邻近性很重要。在最初阶段，科学创始人与不断壮大的团队之间的频繁互动有助于厘清哪些想法可以转化，哪些需要重新思考。

"对于如此复杂的事情，能够轻松地在两者之间来回穿梭很重要。"Klein说。"它帮助我们快速测试想法。"

发现科学的漫长历程

对Pourquié来说，转化潜力的早期迹象源于他的实验室对胚胎发育过程中组织如何形成的研究。他的实验室花费多年研究体节——产生骨骼肌、椎骨和结缔组织的重复结构——以解答关于有序模式如何在生命系统中出现的基本问题。

随着人类多能干细胞技术的进步，这项工作获得了新的意义。曾经只能在胚胎中研究的过程，现在可以在培养皿中部分重现。

"如果你了解组织在发育过程中是如何形成的，你就可以开始在实验室中重现这些过程。"Pourquié说。"这自然会引出这样的问题：这些细胞最终是否可能在治疗上有用。"

随着时间的推移，他的团队开发出从人类干细胞生成肌肉祖细胞和其他早期组织类型的方法。然而，改进这些方法是艰巨的。每次调整都需要在长达数周的实验中仔细微调多个信号，使得进展缓慢且难以推广。

大约在同一时间，Pourquié开始与Klein更紧密地合作，Klein的实验室研究细胞在发育过程中如何做决策。Klein的团队使用大规模实验和计算工具来识别细胞如何响应不同环境的模式。

这两位科学家共同遇到了一个限制：虽然研究人员可以描述细胞如何发育，但他们缺乏系统的方法来探索影响这些决策的众多条件。

构建一个细胞发育系统

Cellular Intelligence背后的想法就源于这一认识。创始人没有选择一次一个实验地优化细胞发育，而是开始思考这个过程本身是否可以更系统、更大规模地研究和改进。

关键一步是Klein实验室开发的一种基于微胶囊的技术，该技术允许细胞在微型的、自包含的环境中生长，并暴露于许多不同的信号组合中。去年12月，Klein及其同事在《科学》杂志上描述了这项技术，展示了它如何能够支持使用传统方法不切实际的大规模实验。

通过平行观察细胞对多种条件的反应，研究人员可以开始看到时间、信号强度和顺序如何影响细胞命运的规律。这些数据现在构成了Cellular Intelligence方法的基础。

创始团队体现了生物学与计算科学的融合。公司的其他联合创始人包括AI企业家兼首席执行官Micha Breakstone、麻省理工学院的Jonathan Rosenfeld以及华盛顿大学的Jay Shendure。

实验室与思想的汇聚

这一努力只是展示了干细胞生物学、实验规模和人工智能的进步如何以几年前还不可能的方式汇聚在一起。这使得研究人员能够提出新型的问题。

"对于许多基于细胞的疗法，进步来自于在正确的时刻连接正确的部分。"Klein说。"当生物学、计算科学和恰当的支持汇聚在一起时，你就可以开始更快地朝着最终可能对患者有意义的成果迈进。"（生物谷Bioon.com）

参考文献：

Ignas Mazelis et al, Multistep genomics on single cells and live cultures in subnanoliter capsules, Science (2025). DOI: 10.1126/science.ady7209.