腾讯发布scTransMIL框架AI桥接单细胞测序与疾病表型助力肿瘤筛查

全文概要
9 月 14 日，《Nature Communications》发表由腾讯 AI for Life Sciences Lab 联合北京大学、莫纳什大学、中山大学等团队开发的人工智能框架 scTransMIL。该框架通过基于 Transformer 的多实例学习，直接连接单细胞转录组谱与样本级疾病标签，可预测癌症表型（含转移瘤组织溯源），并识别肿瘤相关细胞群、绘制进展轨迹。

---

1. 破解单细胞测序的"样本级"难题

单细胞测序为解析肿瘤异质性提供了强大工具，但如何可靠地将单个细胞谱与整体样本表型（如是否患癌、肿瘤来源）联系起来，仍是计算难题，尤其在缺乏细胞类型标注时。scTransMIL 将生物样本概念化为"细胞集合"，用 Transformer 多实例学习方法，仅凭极少的样本级标注即可直接把单细胞转录组数据与样本级标签对接。

2. 技术亮点：Transformer + 注意力机制

scTransMIL 的核心优势在于其注意力机制：模型能够自动聚焦于对样本表型最具判别力的细胞亚群，在细胞分辨率上稳健识别肿瘤相关细胞群，并映射生物学进展轨迹；同时，注意力权重还可反哺"全转录组标志物发现"，实现从分子、细胞到表型的系统整合。研究显示其可准确预测癌症样本表型，包括转移性肿瘤的组织来源。

3. 应用价值：肿瘤筛查、溯源与标志物发现

对科研工作者而言，scTransMIL 提供了一种无需大量细胞注释即可开展单细胞肿瘤研究的计算工具，可用于肿瘤早期筛查、转移灶组织溯源、肿瘤异质性解析与标志物挖掘。该工作由国家自然科学基金等项目资助，是 AI 与单细胞组学交叉领域（AI 生信）的代表性进展。

来源：《Nature Communications》、腾讯 AI for Life Sciences Lab

---

---

声明：本文资讯来源于公开报道及学术期刊，仅作行业信息传播，不构成临床用药建议。转载需注明来源。