基礎醫學與公共衛生學院羅鈞洪團隊在Science Advances發表論文：人工智能模型MIST賦能T細胞單細胞多組學分析
暨南大學融媒體中心訊 近日，暨南大學基礎醫學與公共衛生學院羅鈞洪團隊在Science子刊Science Advances發表題為“MIST:an interpretable and flexible deep learning framework for single-T cell transcriptome and receptor analysis”的研究成果。該研究基于變分自編碼器（Variational Autoencoder）深度學習框架開發了人工智能模型MIST（Multi-Insight for T cell），針對scRNA-seq與scTCR-seq數據的聯合分析，創新性地構建了跨組學數據深度融合、可解釋性和適配性強的分析框架。該模型通過獨立的轉錄組、TCR序列和聯合潛變量空間三層嵌入，精準解析了T細胞的功能狀態、克隆擴增模式及抗原特異性，克服現有方法在組學數據整合和生物學可解釋性方面的局限，為深入解析免疫系統提供了強大工具。
論文截圖
T細胞在腫瘤免疫、感染免疫及自身免疫性疾病等多種生理和病理過程中發揮重要作用，但其功能狀態、轉錄特征及TCR解析仍面臨挑戰。MIST通過深度學習結合生物學先驗知識，精準解析TCR與T細胞轉錄特征，并可用于挖掘T細胞的功能狀態、亞群特征及免疫反應模式。該模型具備跨組學整合（單細胞轉錄組和免疫組庫）、可解釋性強（自然語言處理和自注意力機制）、使用簡便靈活等特點。
圖示：MIST模型框架及功能
該研究利用MIST對多種免疫研究場景（抗原特異性、腫瘤免疫治療、病毒感染等）的數據集進行了分析，解析了模型的應用范圍及可解釋性，并揭示了肺癌免疫治療及重癥新冠感染相關的T細胞亞群。MIST的成功開發為深入探索 T 細胞在免疫響應中的作用提供了強大分析工具，有望在基礎研究與臨床轉化中發揮重要作用。MIST可通過Github免費獲取：https://github.com/aapupu/MIST。
暨南大學基礎醫學與公共衛生學院羅鈞洪教授為論文的獨立通訊作者，暨南大學附屬第一醫院博士后賴文普為論文的獨立第一作者，賴文普攻讀博士學位期間為李揚秋研究員和羅鈞洪教授聯合培養“臨床醫學+X”博士生。該課題得到了國家自然科學基金交叉學部研究項目和暨南大學中央高校基本科研業務費交叉學科培育專項的支持。
責編：常凱麗