基礎(chǔ)醫(yī)學(xué)與公共衛(wèi)生學(xué)院羅鈞洪團(tuán)隊(duì)在Science Advances發(fā)表論文：人工智能模型MIST賦能T細(xì)胞單細(xì)胞多組學(xué)分析
暨南大學(xué)融媒體中心訊 近日，暨南大學(xué)基礎(chǔ)醫(yī)學(xué)與公共衛(wèi)生學(xué)院羅鈞洪團(tuán)隊(duì)在Science子刊Science Advances發(fā)表題為“MIST:an interpretable and flexible deep learning framework for single-T cell transcriptome and receptor analysis”的研究成果。該研究基于變分自編碼器（Variational Autoencoder）深度學(xué)習(xí)框架開發(fā)了人工智能模型MIST（Multi-Insight for T cell），針對scRNA-seq與scTCR-seq數(shù)據(jù)的聯(lián)合分析，創(chuàng)新性地構(gòu)建了跨組學(xué)數(shù)據(jù)深度融合、可解釋性和適配性強(qiáng)的分析框架。該模型通過獨(dú)立的轉(zhuǎn)錄組、TCR序列和聯(lián)合潛變量空間三層嵌入，精準(zhǔn)解析了T細(xì)胞的功能狀態(tài)、克隆擴(kuò)增模式及抗原特異性，克服現(xiàn)有方法在組學(xué)數(shù)據(jù)整合和生物學(xué)可解釋性方面的局限，為深入解析免疫系統(tǒng)提供了強(qiáng)大工具。
論文截圖
T細(xì)胞在腫瘤免疫、感染免疫及自身免疫性疾病等多種生理和病理過程中發(fā)揮重要作用，但其功能狀態(tài)、轉(zhuǎn)錄特征及TCR解析仍面臨挑戰(zhàn)。MIST通過深度學(xué)習(xí)結(jié)合生物學(xué)先驗(yàn)知識(shí)，精準(zhǔn)解析TCR與T細(xì)胞轉(zhuǎn)錄特征，并可用于挖掘T細(xì)胞的功能狀態(tài)、亞群特征及免疫反應(yīng)模式。該模型具備跨組學(xué)整合（單細(xì)胞轉(zhuǎn)錄組和免疫組庫）、可解釋性強(qiáng)（自然語言處理和自注意力機(jī)制）、使用簡便靈活等特點(diǎn)。
圖示：MIST模型框架及功能
該研究利用MIST對多種免疫研究場景（抗原特異性、腫瘤免疫治療、病毒感染等）的數(shù)據(jù)集進(jìn)行了分析，解析了模型的應(yīng)用范圍及可解釋性，并揭示了肺癌免疫治療及重癥新冠感染相關(guān)的T細(xì)胞亞群。MIST的成功開發(fā)為深入探索 T 細(xì)胞在免疫響應(yīng)中的作用提供了強(qiáng)大分析工具，有望在基礎(chǔ)研究與臨床轉(zhuǎn)化中發(fā)揮重要作用。MIST可通過Github免費(fèi)獲?。篽ttps://github.com/aapupu/MIST。
暨南大學(xué)基礎(chǔ)醫(yī)學(xué)與公共衛(wèi)生學(xué)院羅鈞洪教授為論文的獨(dú)立通訊作者，暨南大學(xué)附屬第一醫(yī)院博士后賴文普為論文的獨(dú)立第一作者，賴文普攻讀博士學(xué)位期間為李揚(yáng)秋研究員和羅鈞洪教授聯(lián)合培養(yǎng)“臨床醫(yī)學(xué)+X”博士生。該課題得到了國家自然科學(xué)基金交叉學(xué)部研究項(xiàng)目和暨南大學(xué)中央高校基本科研業(yè)務(wù)費(fèi)交叉學(xué)科培育專項(xiàng)的支持。
責(zé)編：常凱麗