HHMI Janelia Jonathan Weissman 报告 perturb-multi：小鼠体内多模态 pooled 基因筛选平台整合单细胞转录组与高通量成像
HHMI Janelia 的 Jonathan Weissman 在 AI4Science 会议上报告 perturb-multi 平台：在小鼠肝脏构建诱导型 Cas9 马赛克。
Janelia / MIT 的 Jonathan Weissman 报告 perturb-multi——在体内（小鼠）做 pooled 遗传扰动并同时获得 scRNA-seq 与高通量成像的多模态读数，用于生理条件下的基因功能图谱与虚拟细胞。。脉络：从酵母系统遗传学 → CRISPRa/CRISPRi 效应域（“音量开关”）→ Perturb-seq（单细胞 RNA-seq 读扰动的基因型+表型）→ 全基因组基因型-表型图（无偏发现应激模块、按功能聚类基因、构建“在硅”合成表型做 aneuploidy 筛选）。；临床前局限：上述多在癌细胞系，无法重演生理（如肝脏门管区/中央区氧梯度与分区）；故开发 perturb-multi 在体内（小鼠，诱导型 Cas9 mosaic）做 pooled 扰动。；平台：每个细胞得不同 gRNA，急性开启扰动约 10 天后固定，既可解离做 scRNA-seq，也可切片做成像（多蛋白 + RNA + gRNA 条形码），得到亚细胞形态/基因表达/细胞互作的多模态集成数据。；规模与成本：小鼠肝脏约 1 亿肝细胞，相较 iPSC/类器官更便宜且维持生理条件；成像用组合读出解码抗体（理论上每种蛋白一个抗体），瓶颈是“已验证抗体”供给与图像相似性分析（自编码器嵌入）。；生物学发现：① 证实 ER 应激（cell 1 诱导 UPR）在生理条件下大幅下调白蛋白分泌；② fasting vs 自由进食下自噬基因网络重要性上升；③ 脂肪肝筛选显示同一“脂滴填充”影像表型对应三条互不相关的转录应答，凸显多模态互补。；AI/虚拟细胞：强调 AI 不是“上层装饰”而是分析必需；展望用机器学习解释数据、用 agent 探索数据、用数据训练模型驱动发现（含虚拟细胞）；提到 agent-based AI 已能给出 aneuploidy 筛查方案。取文说明：经 YouTube 字幕抓取，5154 词（口音较重，部分专名已按语境校正）。
- 脉络：从酵母系统遗传学 → CRISPRa/CRISPRi 效应域（“音量开关”）→ Perturb-seq（单细胞 RNA-seq 读扰动的基因型+表型）→ 全基因组基因型-表型图（无偏发现应激模块、按功能聚类基因、构建“在硅”合成表型做 aneuploidy 筛选）。
- 临床前局限：上述多在癌细胞系，无法重演生理（如肝脏门管区/中央区氧梯度与分区）；故开发 perturb-multi 在体内（小鼠，诱导型 Cas9 mosaic）做 pooled 扰动。
- 平台：每个细胞得不同 gRNA，急性开启扰动约 10 天后固定，既可解离做 scRNA-seq，也可切片做成像（多蛋白 + RNA + gRNA 条形码），得到亚细胞形态/基因表达/细胞互作的多模态集成数据。
- 规模与成本：小鼠肝脏约 1 亿肝细胞，相较 iPSC/类器官更便宜且维持生理条件；成像用组合读出解码抗体（理论上每种蛋白一个抗体），瓶颈是“已验证抗体”供给与图像相似性分析（自编码器嵌入）。
- 生物学发现：① 证实 ER 应激（cell 1 诱导 UPR）在生理条件下大幅下调白蛋白分泌；② fasting vs 自由进食下自噬基因网络重要性上升；③ 脂肪肝筛选显示同一“脂滴填充”影像表型对应三条互不相关的转录应答，凸显多模态互补。
- AI/虚拟细胞：强调 AI 不是“上层装饰”而是分析必需；展望用机器学习解释数据、用 agent 探索数据、用数据训练模型驱动发现（含虚拟细胞）；提到 agent-based AI 已能给出 aneuploidy 筛查方案。取文说明：经 YouTube 字幕抓取，5154 词（口音较重，部分专名已按语境校正）。
自 Perturb-seq 把池化 CRISPR 扰动与单细胞转录组读出结合起来，每个细胞成为一个“试管”，可同时读取扰动身份与转录后果，进而无偏解构 UPR 等复杂应答 [1]。此后通量与模态不断扩展：TAP-seq 借靶向富集让单次实验可分析数千个扰动 [2]；Perturb-CITE-seq 在患者来源黑色素瘤共培养模型中加入蛋白读出，一次覆盖约 750 个扰动、约 21.8 万个细胞 [3]；Multiome Perturb-seq 又把染色质可及性纳入同一实验 [6]。然而这一族方法大多在培养细胞中进行 [1][3][6]，难以重演组织生理——正如报告强调的肝脏门管区与中央区氧梯度及分区现象，这正是新平台的直接动因。
perturb-multi 在小鼠体内以诱导型 Cas9 mosaic 实现池化筛选：每个细胞携带不同 gRNA，急性开启扰动约 10 天后固定组织，同一批样本既可解离做 scRNA-seq，也可切片做多蛋白、RNA 与 gRNA 条形码的高通量成像，把亚细胞形态、基因表达和细胞互作整合进同一张基因型-表型图。规模上，小鼠肝脏约 1 亿肝细胞，比 iPSC 或类器官便宜且维持生理条件；成像靠组合读出解码抗体，瓶颈在已验证抗体的供给和基于自编码器嵌入的图像相似性分析。
与体外多模态筛选 [3] 相比，该平台把同类读出搬进了活体组织：配套论文报告在小鼠肝脏研究数百个扰动，鉴定了肝细胞分区、UPR 与脂肪变性的遗传调控因子，并指出这类数据是细胞功能机器学习模型的关键训练集 [4]；其预印本于 2024 年 11 月 21 日上线[7]。生物学上，报告显示生理条件下 ER 应激（以扰动诱导 UPR）会大幅下调白蛋白分泌；禁食使自噬基因网络的重要性上升；脂肪肝筛选中最有启示的是同一“脂滴填充”影像表型对应三条互不相关的转录应答，说明任一模态单独看都会把不同机制误并为一。AI 在此被定位为分析必需而非装饰：用机器学习解释数据、用 agent 探索数据（agent 已能给出带文献的非整倍体筛查方案）、用数据训练虚拟细胞。
未解问题同样清楚：抗体供给限制成像规模，图像相似性度量仍待完善；本消息取自会议字幕转写，口音较重、专名或有误，细节应以论文为准 [4]；何况成熟的 Perturb-seq 数据在常规分析中也会漏检大量扰动效应 [5]，体内多模态数据的统计建模只会更难。
- 1.A Multiplexed Single-Cell CRISPR Screening Platform Enables Systematic Dissection of the Unfolded Protein Response · Cell 2016
- 2.Targeted Perturb-seq enables genome-scale genetic screens in single cells · Nat Methods 2020
- 3.Multimodal pooled Perturb-CITE-seq screens in patient models define mechanisms of cancer immune evasion · Nat Genet 2021
- 4.Perturb-Multimodal: A platform for pooled genetic screens with imaging and sequencing in intact mammalian tissue · Cell 2025
- 5.Transcriptome-wide analysis of differential expression in perturbation atlases · Nat Genet 2025
- 6.Multiome Perturb-seq unlocks scalable discovery of integrated perturbation effects on the transcriptome and epigenome · Cell Syst 2025
- 7.A platform for multimodal in vivo pooled genetic screens ... · biorxiv.org 2026
展示了体内多模态 pooled 筛选平台如何在生理条件下揭示单细胞系无法捕捉的基因功能，并演示了影像与转录组互补发现脂肪肝异质性机制。
来源：专家解读（YouTube） · youtube.com