扰动实验+迁移学习，MIT团队推出IRIS，用「指纹」重建单细胞信号传导历史
内容提要
MIT团队开发IRIS框架，通过体外信号扰动实验学习细胞信号响应指纹，推断体内细胞信号状态。该框架能跨细胞类型和物种泛化，重建谱系信号动态，并优化人胚胎干细胞分化方案，缩小实验验证空间，有望推动细胞命运工程与疾病研究。
延伸解读
从「扰动指纹」到体内信号推断
IRIS 的核心思路是先通过体外高通量扰动实验，学习每条信号通路在转录组上留下的独特响应特征，即「指纹」，再利用迁移学习将这些特征迁移到体内单细胞数据中，推断细胞曾接收的信号状态。这一路径绕开了传统上需要为每种细胞类型单独绘制通路图谱的繁琐过程，也说明不同细胞类型之间确实存在可共享的信号响应特征。
跨细胞类型与跨物种泛化的证据
研究团队用小鼠胚胎干细胞和三种人胚胎干细胞扰动数据集训练并验证 IRIS。结果显示，即使训练集与测试集细胞群体转录组差异明显，IRIS 仍能跨细胞类型泛化；仅用内胚层谱系训练、在中胚层谱系测试时，其表现也显著优于随机分类器。跨物种测试同样成功，且训练数据中细胞状态越多样，模型学到的特征越稳健、越可迁移。
对干细胞分化方案优化的实际意义
IRIS 能重建谱系信号动态，并正确恢复信号组合的时间顺序。在呼吸道间充质细胞案例中，IRIS 预测 WNT 和 BMP 信号显著富集，且 WNT 作用时间比已有方案更早。据此提前并延长 WNT 激活，可浓度依赖地提高 TBX4 表达。这表明 IRIS 能缩小需实验验证的组合式信号空间，为定向分化方案提供有依据的优化方向。
方法定位与后续改进空间
IRIS 完全依赖单细胞层面的细胞自主信息，因此即使面对异质性细胞簇也能分析，与依赖配体—受体配对的 CellPhoneDB、NicheNet、CellChat 等方法形成互补，尤其适合空间转录组数据。文章也指出，未来可结合 Transformer 和基础模型，并提高训练数据中细胞类型多样性，以泛化到与训练数据差异更大的远端细胞类型。
Q&A
IRIS是什么？它的全称和核心目标是什么？
IRIS全称为Intracellular Response to Infer Signaling State（细胞内响应信号状态推断），是MIT怀特黑德研究所团队提出的实验—计算一体化框架。其核心目标是通过高通量体外信号扰动实验学习细胞的信号响应特征，再利用这些特征推断体内不同细胞类型的信号活动，从而重建单细胞信号传导历史。
IRIS为什么能跨细胞类型和物种泛化？
因为不同细胞类型之间存在共享的信号响应特征，这些特征可作为每条信号通路独特的“指纹”。IRIS通过迁移学习捕捉这些保守且可迁移的转录特征，因此即使训练数据和测试数据细胞群体转录组差异明显，也能实现跨细胞类型和跨物种的泛化。
IRIS采用了什么模型架构？训练时使用了哪些数据？
IRIS采用条件变分自编码器（CVAE）的变体架构，包含编码器和解码器神经网络，并引入前馈神经网络进行分类，通过最小化证据下界（ELBO）训练。训练数据包括小鼠胚胎干细胞接受六条信号通路所有组合刺激的大规模扰动数据集，以及三个正交的人胚胎干细胞组合式信号扰动数据集（hM_d4、hM_d7、hE_d8）。
IRIS如何帮助优化人胚胎干细胞分化方案？
IRIS能预测研究较少的细胞谱系中的信号活动，并指导分化方案优化。例如，它预测WNT和BMP信号在呼吸道间充质细胞中显著富集，且WNT发挥作用的时间比已发表方案更早。研究人员据此提前并延长WNT激活，结果以浓度依赖方式显著提高了呼吸道间充质标志物TBX4的表达。
IRIS与其他细胞通信推断方法（如CellPhoneDB）有何不同？
IRIS完全依赖单细胞层面的细胞自主信息，以细胞响应为中心，即使面对异质性细胞簇也能分析；而CellPhoneDB、NicheNet、CellChat等方法依赖配体—受体配对进行信号推断。两者互补，可结合用于推断潜在的细胞—细胞通信，尤其适用于空间转录组数据分析。
IRIS在重建信号传导历史方面有哪些具体验证结果？
IRIS正确恢复了已知的时间变化趋势，如BMP在心脏发育谱系中被激活、WNT在心肌细胞分化前失活、RA在后期内胚层和心脏细胞群体中被激活。通过置换检验，信号组合的时间顺序与预期细胞谱系发育进程显著一致（P<0.05），例如新生中胚层相关信号组合出现在心脏命运决定相关信号组合之前。
