Caroline Uhler 讲解从生物标志物到机制的染色质图像与 scRNA-seq 整合

MIT/Broad 的 Caroline Uhler 介绍用多模态自编码器把"从不测在同一细胞上"的染色质图像与 scRNA-seq 在共享潜在空间对齐/互译，并以此发现 CD4 T 细胞的"poised for activation"状态、在阿尔茨海默病中识别异染色质/常染色质比值这一空间特征。。方法：2019 年提出的多模态自编码器，通过对同一细胞群体随机取像/测序，在共享潜在空间匹配分布（加对抗式判别损失使模型无法区分某细胞来自成像还是测序），从而实现模态间翻译。；在 CD4 T 细胞中把染色质图像翻译到转录组，发现"中心异染色质"群体在转录上更接近活化态（命名 poised for activation），并用蛋白染色验证。；与 Broad 的 Xiao Wang（StarMap 空间转录组）合作，在阿尔茨海默病小鼠中发现模型预测斑块邻近区域依赖的其实是细胞核内异染色质/常染色质比值；该比值在 AD 中升高、与衰老中下降的趋势相反。；人类样本（Queen Square Brain Bank）也显示随衰老比值下降、AD 中升高，且疾病相关细胞状态在脑切片中空间成簇；并把患者脂肪细胞的染色质图像与遗传背景结合，沿多基因风险评分方向移动生成"假图像"观察风险对应的核形态变化。；提出"反向"任务：从一张细胞图像推断被扰动的基因或药物靶点，把新图像映射到基因嵌入空间找最近基因，报告称优于随机但承认尚未做得很好。；讲者称"仅用参考染色加蛋白序列即可理解细胞状态、甚至预测任意蛋白亚细胞定位"并泛化到未见细胞系/蛋白，属较强主张，标注为 待验证；自编码器翻译因缺乏配对测量，早期验证仅用两个蛋白染色，存在局限。

• 方法：2019 年提出的多模态自编码器，通过对同一细胞群体随机取像/测序，在共享潜在空间匹配分布（加对抗式判别损失使模型无法区分某细胞来自成像还是测序），从而实现模态间翻译。
• 在 CD4 T 细胞中把染色质图像翻译到转录组，发现"中心异染色质"群体在转录上更接近活化态（命名 poised for activation），并用蛋白染色验证。
• 与 Broad 的 Xiao Wang（StarMap 空间转录组）合作，在阿尔茨海默病小鼠中发现模型预测斑块邻近区域依赖的其实是细胞核内异染色质/常染色质比值；该比值在 AD 中升高、与衰老中下降的趋势相反。
• 人类样本（Queen Square Brain Bank）也显示随衰老比值下降、AD 中升高，且疾病相关细胞状态在脑切片中空间成簇；并把患者脂肪细胞的染色质图像与遗传背景结合，沿多基因风险评分方向移动生成"假图像"观察风险对应的核形态变化。
• 提出"反向"任务：从一张细胞图像推断被扰动的基因或药物靶点，把新图像映射到基因嵌入空间找最近基因，报告称优于随机但承认尚未做得很好。
• 讲者称"仅用参考染色加蛋白序列即可理解细胞状态、甚至预测任意蛋白亚细胞定位"并泛化到未见细胞系/蛋白，属较强主张，标注为 待验证；自编码器翻译因缺乏配对测量，早期验证仅用两个蛋白染色，存在局限。