Nature Methods特刊评论：用人工智能之“钥”，开空间组学之“锁”

主要观点总结

本文主要探讨了人工智能在生物医学研究中的应用，特别是空间组学领域。文章强调了AI如何帮助解决空间组学技术中的挑战，如单细胞分辨率、全转录组测量、空间多组学数据的生成、组织结构的三维重建以及多模态大型语言模型的应用。苇草智酷是一家致力于科技、人文等领域交流的社群组织。文章还展望了AI在未来生物医学研究中的潜力。

关键观点总结

关键观点1: 空间组学技术通过提供详细的、空间定位的分子特征，极大地改变了生物医学研究范式。

空间组学技术使我们能够利用空间分子特征，以前所未有的精度洞察组织结构。尽管取得了显著进展，但不同数据类型的整合和技术本身的局限性仍面临巨大挑战。AI的引入为这些挑战提供了解决方案。

关键观点2: AI在整合空间组学数据方面的潜力

AI可以通过整合空间组学数据和单细胞数据，生成全面、单细胞分辨率的数据。通过深度学习模型，可以推断配对的单细胞数据集中细胞的空间坐标，并使用加工过的“伪空转数据”进行整合。此外，AI驱动的方法可以结合多种组学和医学成像模态，提高空间组学数据的分辨率和覆盖度，并推断未测量的组学模态。

关键观点3: AI在三维空间组学数据生成方面的应用

大多数空间组学技术只能在单个组织切片的二维空间中捕获分子测量值，这限制了从较大组织块中进行生物学发现的能力。AI方法可以用于构建组织块的完整三维空间分子地图，通过选定的组织切片生成空间组学和苏木精-伊红（H ）成像数据，共同捕捉沿z轴方向的结构多样性。

关键观点4: 多模态大型语言模型（MM-LLMs）在空间组学中的应用前景

MM-LLMs在解决空间组学数据生成和分析中的挑战方面展现出前景。这些模型能够结合多种组学和医学成像模态，提高空间组学数据的分辨率和覆盖度。通过利用大量的空间组学数据集，MM-LLMs可以执行各种任务，如空间域检测、空间可变基因检测和细胞间通讯分析。

关键观点5: AI在精准医学中的应用

空间组学技术揭示了疾病相关结构的细胞和分子组织，AI可以帮助关联空间分子模式、病理成像特征与临床结果，为精准医学提供重要的支持。通过定制个性化的治疗方案来满足个体患者的独特需求，提高治疗效果和患者预后。

文章预览

转自 | 集智俱乐部 （此图由DALLE3生成：AI作为钥匙，正在解开脑组织的秘密，绘制出脑的空间图谱作为“生命地图”，为研究带来指引和帮助） 导语：2024年8月，Nature Methods 发表主题特刊，探讨人工智能如何在生物学中广泛使用并为生物学家带来巨大帮助（《 Nature Methods主题特刊：关注 AI 在生物学中的应用 》）。今天的文章重点对评论文章“Unlocking the power of spatial omics with AI”进行解读。 空间组学技术通过提供详细的、空间定位的分子特征，极大地改变了生物医学研究范式，使我们能够以前所未有的分辨率阐明组织结构和功能。人工智能（AI）有可能充分释放空间组学的潜力，促进复杂数据集的整合并发现新的生物医学结论。 ——卷首语 空间组学技术开启了生物医学研究的新纪元，利用空间分子特征，我们能够对组织结构进行前所未有的精细洞 ………………………………