Cell论文揭示MitoSpace：自监督AI绘制线粒体4D表型图谱，从形态精准预测功能

线粒体是细胞生理的核心调控者，产生高达90%的细胞能量，同时整合代谢和应激反应。线粒体因其表型而得名，源自希腊语mitos（线）和chondros（颗粒），其名称本身就捕捉了自发现以来观察到的形态双重性。他们现在知道，这些形状并非静态：线粒体形成相互连接的管状4D（x、y、z和时间）网络，通过协调的裂变、融合和运输不断重塑。这些动态事件使线粒体形态能够响应细胞状态的急性变化，并支撑其参与多种疾病，包括代谢紊乱、发育异常、癌症、癫痫、神经退行性疾病和衰老。因此，线粒体形态已成为表型筛选的关键读出指标，例如在癌症和神经退行性疾病中。

自电子显微镜问世以来，线粒体形态与功能之间的关系一直是细胞生物学的一个基本问题。尽管定性观察已将形态状态与生物能量条件联系起来，但在机制多样的扰动中，对这种联系进行系统性、单细胞、定量的证明仍然难以实现。两个技术障碍限制了进展：获取具有足够时空细节的线粒体数据，以及从由此产生的高维数据中提取有意义的表型信息。

现有的大规模表型筛选数据集，如JUMP-CP和RxRx3，已展示了大规模基于成像的分析能力，但依赖于固定细胞的低分辨率2D（x、y）静态图像。这捕获了粗粒度的细胞结构，但无法捕获线粒体等动态细胞器的时间方面。共聚焦显微镜是线粒体成像的金标准，但在随时间获取3D（x、y、z）体积时会造成显著的光毒性和光漂白。这些缺点将成像限制在薄光学切片和短时间尺度。为克服这些限制，他们利用晶格光片显微镜（LLSM），其能够以大幅降低的光毒性实现高分辨率（约100 nm/像素）的体积活细胞成像。这允许在整个细胞体积中持续观察线粒体结构和动力学，从而实现4D表型筛选，直接以高时空分辨率捕获细胞器形态和行为。

传统表型分析依赖于从显微镜图像中提取预定义特征，并已实现包括药物作用机制推断、基因功能映射和疾病基因型表征等应用。深度学习方法改进了特征提取，但大多数方法仍涉及标注数据集或对生物学相关特征的先验假设。因此，它们受限于已知表型，无法捕获复杂高维数据的内在异质性。这一限制对于线粒体等4D细胞器尤为严重，其连续的结构和动态复杂性无法被有限的一组预定义描述符完全捕获。

自监督学习（SSL）提供了一种可扩展的解决方案，使模型能够直接从数据中学习特征表示而无需人工标注。与监督方法不同，SSL产生通用嵌入，捕获内在特征，并可应用于下游任务而无需大量重新训练。SSL的发展已在自然图像中展现出强劲性能，并在生物成像应用（如细胞分割、蛋白质定位 和扰动分析）中展现出前景。

在一项新的研究中，研究团队引入了一个用于4D表型筛选的自监督对比学习框架，旨在表征复杂线粒体对药物扰动的响应，而不依赖人工标注。他们将该框架应用于药物扰动的4D线粒体数据集，创建了MitoSpace——一个训练模型，可生成跨多样扰动的线粒体表型潜在表示。

重要的是，这些表示在无显式标签的情况下展现出药物诱导表型的涌现聚类。在这些嵌入上训练的小型神经网络探针能够准确预测图像衍生的形态特征和功能读出。利用额外的、未见过的四甲基罗丹明甲酯高氯酸盐（TMRM）通道，他们确定仅从4D时空信息即可预测线粒体膜电位，R² = 0.91，在单细胞水平上为长期存在的形态-功能关系问题提供了定量答案。此外，MitoSpace展现出强大的泛化能力，能够对留出药物进行零样本预测，并对未见的人类肺类器官（LO）数据进行表型分析。MitoSpace学习支持多种下游任务并零样本泛化到未见扰动和模型系统的通用嵌入的能力，与基础模型行为一致。总之，这些特性说明了所学表示的通用性及其作为可扩展、无标注的4D高内涵表型筛选框架的潜力。

SSL揭示线粒体表型的连续景观

线粒体形态传统上被描述为从碎片化到高度融合的连续体。MitoSpace将这一框架扩展至涵盖线粒体在响应扰动时采用的大量形态和动态状态，揭示了一个连续的高维流形，其中细胞按其线粒体表型的时空属性组合进行组织。值得注意的是，这种组织完全在无监督下涌现：模型在训练期间不接受药物标签、作用机制注释或预定义表型类别，却学习到足够结构化的表示，以捕获作用机制关系、可解释的时空特征，甚至线粒体生物能量功能。

这种无偏组织恢复了已知生物学，同时揭示了通过传统成像和分析难以识别的关系。微管破坏剂占据一个簇，其中线粒体保持伸长形态，但表现出改变的细胞内定位和减慢的运动性——这种表型依赖于时空信息，在3D或2D成像中难以分辨。抗氧化剂白藜芦醇说明了这一点：它诱导线粒体伸长形态，在结构上类似于微管破坏剂秋水仙碱和诺考达唑产生的形态，但不破坏线粒体主动运输。在3D和2D模型中，这种形态相似性导致白藜芦醇与微管破坏剂聚类，而非与其机制相关的抗氧化剂Tiron聚类。自监督方法还揭示了不受传统机制注释偏倚的非显而易见的分组。鱼藤酮，经典归类为复合物I抑制剂，与微管破坏药物聚类，而非与其他ETC抑制剂聚类，这与其报道的对微管蛋白的双重亲和力一致。这些表型关系在依赖预定义药物靶点类别或离散形态分箱的框架中难以捕获。

所学表示与预定义线粒体特征（如片段长度、碎片运动性和重塑速率）之间的结构化关系表明，MitoSpace将表型变异捕获为谱而非一组离散簇。这种连续组织对表型筛选具有重要意义。它有可能在不需要药物靶点先验知识的情况下实现作用机制检索，并通过在完整2,048维潜在空间中进行基于相似性的检索，促进脱靶效应的检测。更广泛地说，它提供了一个可扩展框架，用于将新扰动置于表型参考空间中，该空间的分辨率和覆盖范围将随底层化合物库的多样性而增长。

线粒体形态编码生物能量功能

线粒体生物学的一个长期原则认为，形态状态与生物能量功能耦合，碎片化线粒体倾向于表现出降低的膜电位，而融合网络与更高的氧化磷酸化能力相关。尽管这种关系已被充分确立，但通常通过直接测量形态和膜电位两者来评估。尚未测试仅从单细胞的4D表示（在无法访问功能报告基因的情况下学习）是否能够编码足够信息来预测生物能量状态。MitoSpace表明，这种耦合足够结构化，可被仅在膜结构和动态信息上训练的模型恢复，从而实现膜电位的定量预测。

TMRM是一种线粒体膜电位的活细胞报告基因，在成像期间作为第二荧光通道获取，但被有意排除在模型训练之外。当最后一帧的平均TMRM强度投影到所学嵌入空间时，它们形成平滑、连续的梯度，表明模型尽管从未直接观察该信号，却捕获了功能状态信息。这一结果提示形态和动态特征包含关于生物能量状态的大量信息。为定量测试这一点，他们在冻结的编码器嵌入上训练了一个轻量级回归探针，发现膜电位可以从时空表示预测，R²为0.91。使用阈值化二值线粒体图像的对照实验保留了R²为0.74，证实形态和动力学携带独立于像素强度和纹理的大量功能信息。这些预测在所有26种条件下泛化，误差范围仅为约0.5%–5% NAPE，并证明形态与功能之间的关系在机制多样的扰动中具有稳健性。

这些结果有两个重要意义。首先，最近的监督模型已确立，当使用配对功能监督训练时，可以从形态预测线粒体功能。他们的结果通过表明形态-功能耦合在4D线粒体数据中足够结构化，可在表示学习期间无任何功能监督的情况下恢复，从而扩展了这一发现。此外，他们数据集中的逐细胞TMRM采集使得一种不同于现有方法的监督模式成为可能：回归探针不是将群体水平的功能测量分配给单个图像，而是针对逐细胞功能读出来训练。这保留了膜电位的细胞间变异性，而群体水平测定必然将其平均化——鉴于细胞对药物扰动的异质性响应以及克隆群体中线粒体膜电位固有的细胞间变异性已有充分记录，这一点尤为重要。这表明MitoSpace能够以群体水平注释策略难以达到的粒度捕获功能变异。其次，这一发现对活细胞成像工作流程具有实际意义。如果能够仅从线粒体形态通道可靠推断生物能量状态，则有可能减少筛选期间所需的荧光报告基因数量，降低光毒性，并为额外读出释放光谱通道。无需专用功能报告基因，所学表示可作为计算代理，从结构数据中提取功能信息。

4D成像捕获低维模态无法访问的动态信息

为分离数据维度的贡献，他们在同一数据集的4D、3D和2D版本上训练了匹配的自监督模型，提供了所学表型表示质量随输入维度扩展的直接证据。在4D数据上训练在26种条件中的22种中产生了最高的k-NN分类性能，并随着训练数据维度降低，聚类纯度和类别可分性逐渐退化。维度与表示质量之间的这种单调关系在多样扰动机制中均成立，表明高维成像的益处广泛适用，而非特定于药物类别。

与2D显微镜中常用的极扁平细胞系不同，许多生物学相关细胞类型，包括此处成像的Cal27细胞（高度5–10 μm），延伸跨越多个轴向平面。因此，仅捕获单个光学切片会丢弃大量3D线粒体组织，包括分支架构、网络连接性和细胞内空间分布。额外的时间信息在各条件下提供了一致增益。时间数据对于解析主要表型特征为动态而非结构的扰动至关重要。例如，H2O2诱导的运动性限制产生的线粒体在单个3D快照中形态上与轻度应激细胞相似，但在4D中清晰区分。这些发现对更广泛的基于图像的表型分析领域具有意义，该领域主要依赖2D荧光显微镜。尽管2D方法在大规模筛选中已展示出相当大的成功，但他们的结果表明某些表型类别在2D中根本未被充分解析，该领域可能系统性低估了表型多样性。当然，实际权衡是LLSM等4D显微镜仍然比共聚焦或宽场显微镜更难获取，且4D数据集带来显著更大的存储和计算需求。然而，维度消融量化了每个妥协级别所损失的内容，为知情实验设计提供了框架，其中成像模态的选择可与生物学问题所需的表型分辨率相匹配。

迈向表型表示学习的基础模型

基础模型通常被描述为在广泛数据语料上训练的自监督模型，可适应广泛的下游任务。MitoSpace在生物分析背景下展现了这一范式的三个标志：可重用的自监督表示、支持多种下游读出，以及对未见扰动和生物系统的泛化。该模型通过自监督对比学习在跨越多种药物条件的未标记4D LLSM体积上进行预训练，所得表示支持多样下游分析，并转移到未见扰动和生物学上不同的细胞系统而无需重新训练。

基于探针的分析直接测试了MitoSpace是否学习可重用表示而非任务特定嵌入。自监督预训练后，编码器被冻结，相同的2,048维嵌入用于多种下游读出，配合轻量级任务特定头。这些包括预测从MitoGraph和MitoTNT衍生的预定义线粒体形态和动态特征，以及仅从形态通道预测线粒体膜电位，使用独立获取的TMRM信号作为真实标签。探针以低误差恢复了广泛的时空线粒体特征，TMRM回归探针达到R²为0.91，尽管TMRM通道在预训练期间被排除。总之，这些结果表明结构、动态和功能信息均可从同一冻结表示中提取，表明MitoSpace捕获了共享的表型基础，而非针对单一监督终点进行优化。

零样本评估直接测试了对未见扰动的泛化。仅在26种条件中的10种上预训练的模型在包含所有26种条件的完整测试集上保留了68.37%的top-1 k-NN准确率，而完全预训练模型为74.67%，其余16种条件在预训练期间从未被观察。准确率差距在各条件间分布相对均匀，未见条件在嵌入空间中保持组织而非坍缩为未分化簇。叠氮化物、缬氨霉素和MitoQ在零样本空间中的分组（其中只有MitoQ在训练期间被见过）说明模型捕获了共享表型原则，使其能够识别从未遇到的相关扰动。这种行为与学习到线粒体表型变异通用特征而非记忆条件特异性特征的表示一致，使模型能够泛化到预训练期间从未暴露的扰动。

跨域转移到人类LO发育提供了更严格的测试。在这里，生物学背景、细胞类型和表型变异来源与训练数据完全不同（发育成熟而非药物扰动），但冻结模型产生的嵌入沿有意义的发育轨迹组织细胞。早期阶段的细胞与成熟类器官细胞明显聚类，误分类主要发生在由SC/DE向肺上皮过渡定义的时序相邻组之间。有趣的是，发育排序和这种过渡前/后分叉均与伴随肺谱系分化的从糖酵解向氧化磷酸化的良好表征的代谢转变一致。此外，在这些嵌入上训练的轻量级探针以低中位误差解码预定义时空特征，与药物扰动域中观察到的性能相当。一个仅在癌细胞上训练的模型能够组织人类SC衍生的LO发育，表明它已内化了跨细胞背景保守的线粒体表型的基本方面。

总之，这些结果将MitoSpace定位为在当前高分辨率4D亚细胞成像的实际约束下展现基础模型特征，而非大规模语言或自然图像系统规模的完全实现的基础模型。他们将这项工作视为迈向更通用4D亚细胞参考空间的第一步。架构设计提供了可容纳这种扩展的框架：对比自监督使无需标签的训练成为可能，基于自编码器的压缩使大型4D语料在计算上可行，冻结表示服务于多样下游任务。随着训练数据在生物多样性上的增长，潜在空间应相应扩展其对可及表型景观的覆盖。

未来方向

他们将MitoSpace设计为一种资源，并发布了预训练模型、代码和完整的4D扰动数据集（资源可用性）。该模型有三种主要使用方式：第一，冻结模型可以开箱即用地应用于从类似于他们预训练分布的线粒体数据中提取嵌入，为成像模态与他们相似的用户提供零样本方法。由于架构与序列长度无关，同一模型可通过将3D数据视为单帧4D样本直接应用于3D数据。第二，对于不同于他们预训练集的数据，如其他分辨率、其他显微镜或来自其他LLSM仪器的图像，他们预计嵌入质量会下降，建议在用户自己平台的少量图像上微调预训练模型。这使表示适应平台特定特征，同时保留大规模预训练的益处。第三，4D扰动数据集本身是一个独立资源，其他人可直接用于探索线粒体表型或训练新模型。除了这三种使用模式外，仅从形态通道预测线粒体膜电位的能力对成像工作流程具有直接实际收益。这意味着并非总是需要专用功能报告基因如TMRM，这简化了染色方案，并为额外读出释放了光谱通道。

展望未来，有几个方向自然延伸了这项工作。所学嵌入空间可应用于疾病模型，其中在相同潜在空间中比较扰动和健康细胞将能够提取与诊断和药物反应预测相关的表型特征。基于CRISPR的扰动筛选可将该方法扩展至提取单个基因扰动的4D表型特征，朝着系统映射遗传对线粒体表型贡献的方向发展。该模型可应用于预测TMRM信号的空间分布，作为图像到图像翻译任务，以探究局部形态与膜电位之间所学到的功能关系。将线粒体扩展到其他亚细胞细胞器和结构（如细胞核、内质网和细胞骨架）将测试自监督框架是否在具有不同形态和动态特性的区室间泛化，有效构建朝向3D组织图谱（如Allen Institute for Cell Science的hiPSC单细胞图像数据集）的4D扩展。与互补分析策略（如Cell Painting或多重成像面板）的整合将进一步丰富所学表型空间。

总之，这些扩展指向一个长期目标：一个全面的、多细胞器细胞生物学基础模型，具有生物学意义的表示，捕获细胞的全部复杂性，并支持广泛的生物学发现和转化应用。（生物谷Bioon.com）

参考文献：

Dhruv Agarwal et al, 4D spatiotemporal landscape of mitochondrial phenotypes across cellular states unlocked through representation learning, Cell (2026). DOI: 10.1016/j.cell.2026.08.028.