基于單細(xì)胞檢測的臨床轉(zhuǎn)化新模式——臨床人工智能單細(xì)胞

隨著單細(xì)胞檢測技術(shù)的迅速發(fā)展和成熟，單細(xì)胞生物學(xué)和病理學(xué)已成為了解疾病的新興學(xué)科。然而，解決臨床醫(yī)生提出的關(guān)于如何將單細(xì)胞檢測應(yīng)用于臨床實(shí)踐、將單細(xì)胞系統(tǒng)生物學(xué)的信號(hào)轉(zhuǎn)化為明確的臨床表型、并預(yù)測患者對治療反應(yīng)的問題至關(guān)重要。本文提出了一個(gè)稱為“臨床人工智能單細(xì)胞”（clinical artificial intelligent single-cell, caiSC）的新系統(tǒng)，具有臨床單細(xì)胞信息學(xué)的動(dòng)態(tài)生成、人工智能分析、分子多模態(tài)參考模塊儲(chǔ)存、臨床信息輸入輸出，以及基于人工智能計(jì)算程序化的能力。該系統(tǒng)在單細(xì)胞水平上為臨床診斷、監(jiān)測和疾病預(yù)測提供可靠且快捷的信息。臨床人工智能單細(xì)胞是將單細(xì)胞檢測轉(zhuǎn)化為臨床應(yīng)用、助力臨床醫(yī)生決策、改善醫(yī)療服務(wù)質(zhì)量的重要里程碑。鑒于與臨床人工智能單細(xì)胞相關(guān)生物技術(shù)的快速發(fā)展，越來越多的證據(jù)支持“臨床人工智能單細(xì)胞假說”實(shí)現(xiàn)的可能性。因此，我們呼吁廣大科學(xué)家和臨床醫(yī)生加大對臨床人工智能單細(xì)胞的關(guān)注和研究，相信臨床人工智能單細(xì)胞將為臨床分子醫(yī)學(xué)的未來帶來曙光。

自從poly(A)聚合酶鏈反應(yīng)被評估用于無偏擴(kuò)增cDNA代表單細(xì)胞所有多腺苷酸化RNA以來，單細(xì)胞檢測和分析技術(shù)經(jīng)歷了二十多年的快速發(fā)展和改進(jìn)。目前，基于單細(xì)胞測序和多組學(xué)的臨床研究數(shù)量正在增加。通過比較基因組雜交檢測，可以識(shí)別單細(xì)胞染色體異常和DNA突變。從單細(xì)胞分離出DNA和RNA可進(jìn)一步揭示同一單細(xì)胞的基因組和轉(zhuǎn)錄組特征，以便后續(xù)評估細(xì)胞功能。隨著單細(xì)胞研究的深入，一系列關(guān)于單細(xì)胞的新概念被提出，如“單細(xì)胞生物學(xué)”、“單細(xì)胞系統(tǒng)生物學(xué)”或“全單細(xì)胞模式”，以發(fā)現(xiàn)和開發(fā)新型生物標(biāo)志物和治療靶點(diǎn)。在人類多個(gè)器官/組織中，外周免疫細(xì)胞的單細(xì)胞轉(zhuǎn)錄組特征有助于臨床醫(yī)生了解突發(fā)的、不可控的感染疾病的分子機(jī)制，如2019年暴發(fā)的冠狀病毒病。基于不斷增加的研究證據(jù)和理解的深入，通過整合單細(xì)胞生物學(xué)、單細(xì)胞系統(tǒng)生物學(xué)和基于單細(xì)胞的醫(yī)療手段，臨床單細(xì)胞生物醫(yī)學(xué)（clinical single-cell biomedicine, cscBioMed）正逐步成為一門新興學(xué)科。

1 臨床單細(xì)胞生物醫(yī)學(xué)

臨床單細(xì)胞生物醫(yī)學(xué)涵蓋了單細(xì)胞水平分子的發(fā)病機(jī)制、診斷、治療以及療效監(jiān)測，不僅從整體到細(xì)胞層面對疾病進(jìn)行臨床觀察，更是將多模態(tài)單細(xì)胞生物學(xué)知識(shí)轉(zhuǎn)化成臨床應(yīng)用，把細(xì)胞間相互作用和信號(hào)功能的理解轉(zhuǎn)化為診斷與治療的應(yīng)用。例如，在原發(fā)性和轉(zhuǎn)移性腫瘤中，外周非耗竭CD8＋T細(xì)胞前體可能會(huì)轉(zhuǎn)變?yōu)楹慕咝虲D8＋T細(xì)胞，或進(jìn)一步轉(zhuǎn)化為擴(kuò)增的Treg-FoxP3或激活的效應(yīng)記憶T細(xì)胞，并遷移至組織[7]。這些觀察結(jié)果源于原發(fā)性結(jié)直腸癌及鄰近正常組織、腸系膜淋巴結(jié)、肝臟轉(zhuǎn)移灶以及鄰近肝臟組織、腹水和外周血中采集的免疫單細(xì)胞的分子表型和相互作用。外周免疫細(xì)胞反映了宿主全身健康的動(dòng)態(tài)狀況，可以作為組織微環(huán)境免疫的評估指標(biāo)。然而，將單細(xì)胞檢測應(yīng)用于臨床解析的主要挑戰(zhàn)之一是需要對單細(xì)胞多組學(xué)的綜合分子圖譜進(jìn)行標(biāo)準(zhǔn)化和優(yōu)化，精確高效地分析并提供臨床報(bào)告。本文闡述了臨床人工智能單細(xì)胞（clinical artificial intelligent single-cell, caiSC）作為模型或工作站的概念，旨在將外周血免疫細(xì)胞的單細(xì)胞檢測轉(zhuǎn)化為血液學(xué)臨床生化常規(guī)檢測，并提供對疾病性質(zhì)、嚴(yán)重程度、持續(xù)時(shí)間和治療響應(yīng)的更廣泛和更深入的理解和診斷。

2 臨床人工智能單細(xì)胞

臨床人工智能單細(xì)胞可定義為一個(gè)集成了臨床信息學(xué)、分子多模態(tài)跨組學(xué)和單細(xì)胞水平數(shù)字化和自動(dòng)程序化的系統(tǒng)，并明確強(qiáng)調(diào)“臨床”。其中，闡述開發(fā)訓(xùn)練和驗(yàn)證數(shù)據(jù)集的方法，以基于動(dòng)態(tài)產(chǎn)生的新數(shù)據(jù)/新方法建立、確認(rèn)和改進(jìn)模型十分重要。臨床人工智能單細(xì)胞主要由臨床單細(xì)胞信息學(xué)動(dòng)態(tài)生成器、人工智能單細(xì)胞（artificial intelligent single-cell, aiSC）、臨床生物化學(xué)與血液樣本、系統(tǒng)臨床輸出/結(jié)果、自動(dòng)機(jī)器學(xué)習(xí)功能以及參考模塊箱組成（圖1）。臨床人工智能單細(xì)胞的設(shè)計(jì)原理是基于臨床生物信息學(xué)理論，整合臨床表型組學(xué)與分子多組學(xué)，重要目標(biāo)之一是提供分子意義相關(guān)的表型和亞群分類的定性和定量信息。人工智能單細(xì)胞可用于單功能、多功能和組學(xué)分析，其完全依賴于參考模塊箱的數(shù)量和種類，并為疾病相關(guān)和特異性的指標(biāo)、診斷和預(yù)測提供決定性影響。隨著對單細(xì)胞生物學(xué)的認(rèn)識(shí)不斷豐富以及單細(xì)胞檢測技術(shù)的快速發(fā)展，臨床人工智能單細(xì)胞的定義也會(huì)不斷完善更新。

臨床人工智能單細(xì)胞中的通用容器是標(biāo)準(zhǔn)化后臨床表觀、分子多組學(xué)、評分系統(tǒng)和醫(yī)療記錄的數(shù)字化信息學(xué)及單細(xì)胞檢測的持續(xù)性產(chǎn)生器，包含來自具有自動(dòng)學(xué)習(xí)能力的已建立數(shù)據(jù)庫及其分析產(chǎn)生的原始數(shù)據(jù)。臨床描述性表型被轉(zhuǎn)化為數(shù)字化和可計(jì)算的信息，這一過程高度依賴于表型細(xì)化、疾病理解和表型特異性。臨床樣品單細(xì)胞檢測的標(biāo)準(zhǔn)化程序確保在進(jìn)入人工智能單細(xì)胞前，穩(wěn)定和可重復(fù)地生成單細(xì)胞多模態(tài)數(shù)據(jù)，以及高質(zhì)量的臨床和分子表型。大量的分子多模態(tài)組學(xué)數(shù)據(jù)形成了單個(gè)分子的多模態(tài)參考模塊，如基于臨床、分子特征和性質(zhì)的臨床表型網(wǎng)絡(luò)、轉(zhuǎn)錄組調(diào)控網(wǎng)絡(luò)、蛋白質(zhì)相互作用網(wǎng)絡(luò)、代謝網(wǎng)絡(luò)和染色質(zhì)穩(wěn)定性。每個(gè)患者臨床和分子表型進(jìn)入人工智能單細(xì)胞后，通過相應(yīng)的參考模塊箱，自動(dòng)進(jìn)行篩選、繪圖、分析和鑒定。

與“全細(xì)胞模型”的概念不同，人工智能單細(xì)胞具有明確和特定的參考模塊箱，由轉(zhuǎn)錄組學(xué)模塊、多模塊或集成模塊，用于快速和精確分析，深入了解分子相互作用和實(shí)現(xiàn)標(biāo)準(zhǔn)化流程。人工智能單細(xì)胞可以應(yīng)用多種手段處理同步性分析、模塊間通信和多模態(tài)集成。例如，循環(huán)免疫系統(tǒng)的多模態(tài)參考模塊是用“加權(quán)鄰法”分析構(gòu)建。參考模塊的數(shù)量隨著方法的發(fā)展而增加，例如RNA、DNA、轉(zhuǎn)座酶可及性染色質(zhì)（ATAC）、高通量染色體構(gòu)象捕獲（HiC）、甲基（Methyl）、T細(xì)胞與B細(xì)胞抗原受體（TCR/BCR）、抗體衍生標(biāo)簽（ADT）或核酸酶靶向切割和釋放（CUT&RUN）的單細(xì)胞測序，而質(zhì)量取決于參考模塊分析的精確度和自動(dòng)化。依賴于參考模塊的數(shù)量和類型的人工智能單細(xì)胞可作為單功能或多功能及組學(xué)圖譜分析的平臺(tái)。與單細(xì)胞生物學(xué)的概念不同，人工智能單細(xì)胞包含一個(gè)疾病特異性的模塊，與分子和臨床表型相關(guān)，可提供疾病性質(zhì)、嚴(yán)重程度和治療反應(yīng)的分子和亞型特征。在這些模塊中，參考映射算法可能在定義疾病相關(guān)細(xì)胞亞群，處理來自患者源的巨大個(gè)體差異以及跨分子多模態(tài)等方面表現(xiàn)出獨(dú)特的作用和影響力。單個(gè)或多個(gè)參考模塊的強(qiáng)度和容量高度依賴于單細(xì)胞檢測的集成平臺(tái)/數(shù)據(jù)庫的體積，機(jī)器學(xué)習(xí)和深度挖掘的能力，以及對細(xì)胞異質(zhì)性的理解。

3 臨床人工智能單細(xì)胞的意義

臨床人工智能單細(xì)胞的系統(tǒng)建立和臨床應(yīng)用為臨床血液學(xué)和生化檢測，特別是外周血免疫細(xì)胞的常規(guī)檢查提供了新的見解和方法。例如，基于每個(gè)要素的嚴(yán)重程度，通過數(shù)字化評分系統(tǒng)將肺部疾病患者的臨床表型和醫(yī)療信息學(xué)要素?cái)?shù)字化，并與相應(yīng)個(gè)體樣本的分子表型進(jìn)行數(shù)字化整合。通過這一原理，可以在常規(guī)檢測新患者后，收集外周免疫單細(xì)胞的臨床表型、生物學(xué)功能和形態(tài)以及轉(zhuǎn)錄組學(xué)特征，并將所有數(shù)據(jù)化的表型組學(xué)信息動(dòng)態(tài)輸入臨床人工智能單細(xì)胞中，作為新分析的數(shù)據(jù)（圖1d）。通過多模態(tài)參考模塊的分析和整合，在臨床所需的時(shí)間框架內(nèi)給出細(xì)胞亞型/亞群的類別、功能狀態(tài)和亞群百分比的結(jié)果報(bào)告。每個(gè)單細(xì)胞亞型/狀態(tài)的準(zhǔn)確性高度依賴于代表細(xì)胞亞型/狀態(tài)的細(xì)胞鑒定標(biāo)志基因集（cell identity marker gene panels, ciMGPs）的識(shí)別。應(yīng)對細(xì)胞鑒定標(biāo)志基因集的來源進(jìn)行追溯，明確命名的分子依據(jù)；明確不同亞型/狀態(tài)的細(xì)胞鑒定標(biāo)志基因集的可重復(fù)性和重疊性，避免錯(cuò)誤的細(xì)胞標(biāo)記；對細(xì)胞鑒定標(biāo)志基因集的名稱和命名進(jìn)行全球標(biāo)準(zhǔn)化、規(guī)范化和統(tǒng)一化，以便統(tǒng)一臨床報(bào)告。通過整合和交叉多模態(tài)參考模塊，檢出分子調(diào)控和表觀遺傳學(xué)修飾的紊亂，表明潛在的信號(hào)通路相關(guān)的發(fā)病機(jī)制和臨床表型出現(xiàn)的分子依據(jù)。

臨床人工智能單細(xì)胞重要的期望之一是提供疾病性質(zhì)、特異性、分期、嚴(yán)重程度、持續(xù)時(shí)間、預(yù)測和預(yù)后的信息，并通過與臨床表型參考模塊和臨床診斷標(biāo)準(zhǔn)連接和整合，幫助臨床醫(yī)生做出決策。臨床表型結(jié)合臨床人工智能單細(xì)胞報(bào)告將提高傳統(tǒng)臨床實(shí)踐的準(zhǔn)確性，從而改善臨床實(shí)踐質(zhì)量和患者預(yù)后。臨床人工智能單細(xì)胞具有人工智能、自動(dòng)機(jī)器學(xué)習(xí)和高效算法的能力，能夠攝取個(gè)體分析產(chǎn)生的新數(shù)據(jù)并生成全面的多組學(xué)/跨組學(xué)信息。生成器不斷豐富數(shù)據(jù)并增強(qiáng)通用容器的容量，使數(shù)據(jù)量更大，參考值更準(zhǔn)確。臨床人工智能單細(xì)胞大的優(yōu)勢之一是基于人工智能的計(jì)算機(jī)化算法，貫穿從動(dòng)態(tài)產(chǎn)生器所建立的單細(xì)胞的每一個(gè)部分。該動(dòng)態(tài)生成器是臨床人工智能單細(xì)胞多模態(tài)參考模塊中聚類數(shù)據(jù)的來源，也是來自新患者的新多模態(tài)數(shù)據(jù)的持續(xù)接收器。以人工智能算法和策略為核心動(dòng)力，可以更有效、更精確地提升臨床人工智能單細(xì)胞的數(shù)據(jù)收集、分析、集成和報(bào)告的能力?；谂R床人工智能建模的原則，通過臨床人工智能單細(xì)胞中6個(gè)模塊的清晰智能設(shè)計(jì)，人工智能的透明度和應(yīng)用得到更新。該設(shè)計(jì)有助于分離和優(yōu)化多模態(tài)數(shù)據(jù)，用于模型訓(xùn)練和參考框的測試，評估和檢查臨床人工智能單細(xì)胞的性能和建模，以及臨床人工智能單細(xì)胞輸出的可重復(fù)性和準(zhǔn)確性。

4 總結(jié)和展望

綜上所述，本文提出了一個(gè)“臨床人工智能單細(xì)胞”新系統(tǒng)，它包含臨床單細(xì)胞信息學(xué)動(dòng)態(tài)生成器、人工智能單細(xì)胞、分子多模態(tài)參考模塊箱、臨床輸入輸出功能，以及基于人工智能的計(jì)算機(jī)程序化算法。該系統(tǒng)的目的是在單細(xì)胞水平上為臨床診斷、檢測和疾病預(yù)測提供更可靠和更快速的信息。臨床人工智能單細(xì)胞是將單細(xì)胞檢測轉(zhuǎn)化為臨床應(yīng)用的重要進(jìn)步。它能夠助力臨床醫(yī)生決策，提高醫(yī)療服務(wù)質(zhì)量。而臨床人工智能單細(xì)胞的可行性將隨著相應(yīng)生物技術(shù)的迅速發(fā)展被越來越多的證據(jù)支持。在此，我們呼吁對臨床人工智能單細(xì)胞給予更多的關(guān)注，助力臨床分子醫(yī)學(xué)的發(fā)展。