Sarah Teichmann团队在发表预印版研究文章 “Celcomen: 用于单细胞和组织干扰建模的空间因果解缠工具” 介绍了一种名为Celcomen的新型计算框架，旨在分析和建模空间转录组学和单细胞数据中的基因调控。该框架利用图神经网络来解开细胞内和细胞间的基因相互作用，使得研究人员能够了解细胞在正常和疾病组织环境中的通信方式。Celcomen的主要目标是模拟特定基因或环境干扰后基因表达的变化，这对于研究癌症等疾病或理解组织对治疗的反应至关重要。
1. 解缠细胞内与细胞间的相互作用：
o Celcomen能够识别并区分细胞内（细胞内部）和细胞间（细胞之间）的基因调控程序。这种解缠使得研究人员能够理解单个细胞内的基因相互作用如何与相邻细胞的相互作用不同，从而更详细地洞察组织功能的分子机制。
2. 反事实预测与干扰建模：
o Celcomen的生成模块Simcomen允许进行计算机模拟实验，预测组织的基因表达谱在基因干扰后的变化。例如，在研究胶质母细胞瘤时，Celcomen能够预测干扰干扰素信号通路后，不仅受干扰的细胞会发生什么变化，还包括其邻近细胞的变化。这种模拟“假设”情境的能力为研究疾病进展和治疗效果提供了重要工具。
3. 在多种系统中的验证：
o Celcomen在多个生物系统中进行了测试，包括人类胶质母细胞瘤、胎儿脾脏和小鼠肺癌模型。在这些不同的生物系统中，Celcomen展示了其准确建模基因相互作用并预测干扰后组织行为的能力。通过与实验数据进行比较，验证了该框架的稳健性和准确性。
4. 数学上的可识别性保证：
o Celcomen的一个关键优势是它能够提供数学上可识别的因果推断。不像其他机器学习模型可能产生无法解释的“黑箱”输出，Celcomen基于可识别性的原则，意味着该模型能够一致地从空间数据中恢复真实的基因相互作用网络，这对于理解生物学中的因果关系至关重要。
Celcomen在空间转录组学和单细胞生物学领域中代表了一项重大进展，提供了一种工具，能够解开复杂的基因调控网络，并预测组织对基因和环境变化的反应。通过提供高分辨率的空间预测和因果推断，Celcomen有潜力彻底改变研究人员在健康和疾病状态下模拟组织行为的方式。其在人类和小鼠模型中的成功应用以及其稳固的数学基础，使其成为基础研究和临床应用中的宝贵工具。
1. 疾病建模中的应用：
o Celcomen可以用于模拟组织中的疾病进展，提供基因调控在癌症等疾病中如何改变的见解。这可能有助于发现新的治疗靶点，并更好地理解治疗对细胞间通信的影响。
2. 治疗干预：
o 通过预测组织对不同干扰的反应，Celcomen提供了一个平台，可以在进行体内实验之前，在计算机中测试潜在的治疗策略。这可能加速新疗法的发展，并降低实验测试的成本和时间。
3. 在组织工程和再生医学中的广泛应用：
o 除了疾病建模之外，Celcomen模拟组织行为的能力还可以应用于组织工程，帮助科学家通过控制基因表达网络设计具有所需特性的组织。
Stathis Megas et al. Celcomen: spatial causal disentanglement for single cell and tissue perturbation modeling. 2024
