全球首個跨物種大腦空間轉錄組基礎模型發布

7月11日，由臨港實驗室牽頭，聯合上海科學智能研究院、上海交通大學、東京大學國際神經智能研究中心等多家單位，共同發布了全球首個跨物種大腦空間轉錄組基礎模型BrainBeacon。

生命科學中的細胞“語言”由DNA、RNA、蛋白質和基因表達等分子“詞語”構成。開發基于這種特殊“語言”的人工智能（AI）細胞大模型，不僅可以幫助我們深入解析疾病機制，還能加速藥物靶標發現。

當前，單細胞轉錄組大模型已經能夠整合數千萬細胞數據，實現了跨器官、跨物種的通用細胞表征。空間單細胞轉錄組技術則進一步突破了單細胞轉錄組的局限，能夠更全面地揭示細胞間互作和微環境調控機制，但目前尚未出現全面的空間轉錄組基礎模型。

研究團隊此次開發的BrainBeacon，模型訓練基于橫跨4個物種（人、食蟹猴、狨猴、小鼠）和5種主流空間組學平臺的數據，覆蓋總面積超過210000平方毫米的全腦空間轉錄組數據，細胞總數超過1.33億。

模型采用雙階段Transformer架構，分別模擬細胞內部基因依賴與細胞之間空間依賴，實現統一的跨物種表征學習，且在多個平臺和物種的公開數據集上實現了高精度的零樣本空間細胞分類能力，表現優于現有主流模型。

此外，BrainBeacon可通過“參考引導微調”機制，在某一物種高質量空間圖譜上進行微調后，遷移預測其他物種的大腦組織切片，準確識別同源亞型與腦區結構，探究多物種之間的保守性。其內置的“空間數字擾動”功能，則突破了傳統組學擾動僅限于細胞內部的局限，可模擬細胞和鄰域微環境之間的雙向擾動。

研究團隊表示，BrainBeacon的發布標志著空間轉錄組進入“結構重建+狀態干預”雙輪驅動時代，也將成為連接“智能感知—空間理解—干預預測”的關鍵橋梁。其高通量訓練能力、泛化表示結構與虛擬實驗平臺，可為跨模態圖譜構建、疾病機制建模、AI靶標篩選與藥物發現、多物種智能腦圖譜基座模型建設等多個研究方向提供基礎。

相關論文信息：https://doi.org/10.1101/2025.07.08.663729