什么是通用细胞嵌入（UCE）？

UCE是一种将不同实验室、组织或物种的细胞映射到同一数学空间的AI模型，用于比较细胞之间的相似性与差异。

TranscriptFormer能做什么？

TranscriptFormer可从海量单细胞基因表达数据中学习细胞规律，支持跨物种细胞类型识别、健康与病变区分，并辅助发现潜在新细胞类型。

这类细胞基础模型有什么实际应用价值？

它可帮助研究者统一分析不同来源的细胞数据，加速疾病研究、跨物种比较以及细胞治疗和再生医学中的细胞设计。

‎斯坦福与CZI发布细胞基础模型UCE与TranscriptFormer，1.12亿细胞跨物种对齐

作者：解螺旋资讯组

2026-09-21｜原创

全文概要
2026年9月，斯坦福大学Stephen Quake与Jure Leskovec团队联合Chan Zuckerberg Initiative（CZI）在《自然》与《科学》背靠背发表两项成果：通用细胞嵌入（Universal Cell Embedding, UCE）与生成式细胞基础模型TranscriptFormer。前者把来自不同实验室、组织甚至物种的细胞映射到统一的数学空间；后者以1.12亿个细胞、12个物种、跨越15.3亿年进化的基因表达数据训练，像"细胞界的ChatGPT"一样学习跨物种通用的细胞"语言"。团队称这标志着一个全新领域的开端，并为疾病研究、跨物种比较与细胞治疗设计带来新工具。

2026年9月，斯坦福大学Stephen Quake与Jure Leskovec团队联合Chan Zuckerberg Initiative（CZI）在《自然》与《科学》背靠背发表两项成果：通用细胞嵌入（Universal Cell Embedding, UCE）与生成式细胞基础模型TranscriptFormer。前者把来自不同实验室、组织甚至物种的细胞映射到统一的数学空间；后者以1.12亿个细胞、12个物种、跨越15.3亿年进化的基因表达数据训练，像"细胞界的ChatGPT"一样学习跨物种通用的细胞"语言"。团队称这标志着一个全新领域的开端，并为疾病研究、跨物种比较与细胞治疗设计带来新工具。

1. 数亿个细胞数据，人脑已经"读不动"了

每个细胞携带同一套基因组，却只"打开"其中一部分基因：胰腺β细胞开启胰岛素相关基因，B细胞开启抗体基因，皮肤细胞开启色素相关基因。正是"打开哪些基因"决定了细胞的身份与状态。近年来，单细胞图谱已积累数亿个细胞、数万个基因的表达数据，但如何同时理解如此海量、异质、跨物种的信息，成为人脑无法企及的难题。

斯坦福团队的答案是"给研究者加一双AI的眼睛"。两个模型分工明确：UCE先建立坐标，把不同来源的细胞放进同一个可度量"相似或不同"的抽象数学空间，让原本拼不起来的图谱有了统一底图；TranscriptFormer再完成"完形填空"——它的训练方式类似ChatGPT，只是预测的不是缺失的词语，而是缺失的基因表达值，从而学会细胞内基因协同工作的通用规律。

2. 12个物种、15亿年进化训练出的"细胞通用空间"

TranscriptFormer的训练集覆盖12个物种——从单细胞酵母，到小鼠、兔、鸡、斑马鱼、果蝇、非洲爪蛙、疟原虫、海胆、海绵、秀丽隐杆线虫，直至人类，最大跨物种进化距离达6.85亿年，全部细胞被映射到一个1280维的潜空间。尽管物种差异巨大，模型发现不同物种的细胞遵循相似的基因协同规则，这正是它能跨物种工作的原因。

在应用层面，这套模型展现出几个引人注目的能力：对未参与训练的物种完成细胞类型鉴定；零样本区分人类健康与病变细胞；甚至"想象"出当前尚不存在的功能细胞，为细胞治疗与再生医学的理性设计提供搜索空间。一个耐人寻味的进化生物学验证是：在"海绵没有神经元，但哪类细胞最接近神经元"这一老问题上，模型提示领细胞（choanocyte）的表达谱最接近线虫与蛙的神经元，可能是神经元进化起源的候选者；而名字里带"神经"的"类神经细胞"表达谱反而更接近蛙的腺细胞。Quake表示，这只是一个全新领域的开端，后面还有十年工作等着全球生物学家去做。

3. 对科研与产业的意义及边界

对科研工作者而言，这套"细胞基础模型"意味着研究非模式生物不必再"瞎子摸象"，可直接在通用空间中与已知细胞类型对齐；对产业端而言，最大的想象空间在于"设计不存在的细胞"——若其预测能被湿实验反复验证，将直接影响CAR-T、类器官、干细胞分化等细胞治疗管线的设计效率。但边界同样需要正视：模型目前主要学习转录组，尚未整合表观、蛋白与空间组学等多模态信息；12个物种仍偏向模式生物，植物、真菌与无脊椎动物覆盖不足；其生成的"虚构细胞"的生物学可行性，仍需实验室逐一验证。