Nature丨通用细胞嵌入为细胞生物学提供基础模型

背景：单细胞RNA测序数据集的快速增长为构建细胞图谱提供了丰富数据，但现有计算方法在联合分析异质数据集时面临跨数据集整合和批次效应等挑战，缺乏通用的细胞表征模型。研究目的：开发一种能够消除跨实验噪声和批次效应，无需对新数据集进行重复标注或微调的通用细胞表征模型。结论：美国斯坦福大学团队开发的通用细胞嵌入（UCE）模型，采用自监督学习策略，在涵盖8个物种、超过3600万个细胞的数据集上训练，通过将RNA表达抽象为“RNA袋”并结合蛋白质语言模型ESM2生成的蛋白质嵌入，实现了零样本嵌入能力。该模型在整合基准测试中表现优异，有效纠正了跨技术和物种的批次效应，并能自发涌现出与细胞本体论一致的层级结构，为跨物种和跨组织的单细胞研究提供了通用计算工具。