来自基因泰克的Aviv Regev等人在细胞杂志上发表了题为 “迈向因果细胞和组织生物学的基础模型：干扰细胞和组织图谱” 的综述文章探讨了通过大规模遗传干扰筛选和计算模型构建统一的细胞和组织生物学模型的目标。该综述讨论了CRISPR基因干扰筛选技术的进展，结合人工智能和机器学习（AI/ML），将构建一个全面、准确的细胞生物学因果模型的愿景变为可能。这样的框架将帮助破解控制细胞表型的复杂基因电路，并让研究人员能够预测细胞在各种基因和环境干扰下的反应。
1. 细胞电路的复杂性：
o 理解调控细胞功能（如稳态和疾病病理）的分子电路长期以来一直是挑战，因为基因相互作用非常复杂。成千上万的基因及其变异以非线性、组合的方式作用，全面实验性地绘制这些电路在过去似乎难以实现，直到最近技术突破的出现。
2. 实验工具的突破：
o 高内涵CRISPR筛选技术的出现，如Perturb-seq和光学池筛选（OPS），使得系统性地干扰基因并观察细胞和组织的表型响应成为可能。这些方法提供了单细胞分辨率，并允许对基因调控网络和细胞状态在不同环境（包括类器官和动物模型）下的丰富表征。
3. AI/ML的整合：
o AI/ML方法在处理基因干扰筛选生成的大量数据中起到了关键作用。这些模型可以预测未经过实验验证的基因干扰结果，从而加速了对人类细胞分子机制的发现与理解。实验与计算预测的迭代循环使得逐步构建更加准确的基因电路模型成为可能。
4. 迈向干扰细胞和组织图谱：
o 文章设想建立一个 干扰细胞和组织图谱，作为人类细胞图谱的补充，重点研究基因干扰与细胞表型之间的因果关系。这样的图谱将提供一个基础模型，用于预测不同基因及其组合在各种组织和条件下如何影响细胞行为。
该综述强调了通过整合高内涵基因干扰筛选和AI/ML技术在细胞生物学领域取得的重大进展。通过绘制控制细胞功能的复杂电路，这些方法使得我们对疾病机制和细胞对治疗反应的理解变得更加深入。提出的干扰细胞和组织图谱概念被视为迈向统一的、基于因果关系的人类生物学模型的下一步。
1. 生物医学研究：
o 构建细胞生物学的因果基础模型将对理解癌症、神经退行性疾病和免疫疾病等具有深远影响。研究人员可以在计算机模拟中预测疾病进展并测试潜在的治疗干预措施，减少实验的时间和成本。
2. 药物开发：
o 预测细胞对基因和化学干扰反应的能力将可能彻底改变药物发现和精准医学，因为研究人员可以通过更少的实验步骤找到最有效的靶点。
3. 个性化医学：
o 一个全面的干扰图谱可以用于根据患者的基因特征和预测的治疗反应量身定制治疗方案，推动个性化医学进入新的时代。
参考文献
Jennifer E. Rood et al. Toward a foundation model of causal cell and tissue biology with a perturbation cell and tissue atlas. Cell. 2024
