研究人员建议，更细致地探究细胞内部运作机制，有助于医生更早地发现疾病，并更精准地为患者匹配有效的治疗方案。

麦吉尔大学的研究人员开发出一种人工智能工具，能够发现此前隐藏在单个细胞内的疾病标志物。

这项发表在《自然·通讯》上的研究阐述了名为 DOLPHIN 的新系统如何最终帮助医生在疾病早期阶段进行检测，并针对治疗策略做出更明智的决策。

麦吉尔大学医学院助理教授兼麦吉尔大学健康中心研究所初级科学家、资深作者丁俊（Jun Ding，音译）表示：“该工具有望帮助医生为患者匹配最可能有效的治疗方案，减少治疗过程中的反复试验。”

聚焦基因构建模块

研究团队表示，疾病标志物通常表现为RNA表达的细微变化，这些变化为判断疾病是否存在、病情可能的发展程度，以及疾病对特定疗法的反应提供了线索。

传统的基因层面分析方法倾向于将这些信号整合为每个基因的单一计数，但这种方式可能会掩盖重要的变异信息，且仅能提供细胞内部动态的有限视角。

如今，人工智能的进步让我们能够捕捉到单细胞数据中精细复杂的特性。DOLPHIN超越了基因层面的研究，深入观察基因如何由被称作外显子的更小片段拼接而成，从而更清晰地呈现细胞状态。

“基因并非单一模块，它们更像是由众多小部件拼搭而成的乐高积木套装，”麦吉尔大学定量生命科学项目博士生、论文第一作者宋凯璐（音译）表示，“通过观察这些部件的连接方式，我们的工具能够揭示出那些长期被忽视的重要疾病标志物。”

在一个测试案例中，DOLPHIN系统分析了胰腺癌患者的单细胞数据，发现了传统工具未能检测到的800多个疾病标志物。该系统能够区分出高风险、侵袭性癌症患者与病情较轻的患者，这一信息将有助于医生选择恰当的治疗方案。

向“虚拟细胞”迈出的一步

从更广泛的层面来看，这一突破为实现构建人体细胞数字模型的长期目标奠定了基础。与传统方法相比，DOLPHIN技术能够生成更丰富的单细胞特征数据，使得在进入实验室或临床试验阶段之前，就能对细胞的行为及对药物的反应进行虚拟模拟，从而节省时间和资金。

研究人员下一步将把该工具的应用范围从几个数据集扩展至数百万个细胞，为未来构建更精准的虚拟细胞模型铺平道路。

参考文献：2025年7月4日发表于《自然·通讯》上，由宋凯路、郑玉敏、赵博文、大卫·H·艾德尔曼、唐健和丁军撰写的《DOLPHIN利用外显子与剪接点读数，将单细胞转录组学推进至基因层面之外》。

数字对象标识符（DOI）：10.1038/s41467-025-61580-w

本研究得到了梅金斯-克里斯蒂呼吸研究基金、加拿大卫生研究院、加拿大自然科学与工程研究理事会以及魁北克研究基金会的支持。