2026年6月17日，深圳湾实验室“红树林论坛”迎来南方科技大学鲍志戎教授。鲍教授以 “The spatial logic of cell organization in complex tissues”为题，分享了其团队如何利用单细胞分辨率成像与人工智能技术，深入解析胚胎发育过程中复杂的集体细胞行为，为现场听众呈现了一场关于生命自组织奥秘与人工智能（AI）交叉融合的思想盛宴。

鲍志戎教授在报告中系统介绍了其团队过去二十年间在秀丽隐杆线虫（C. elegans）胚胎发育领域的开创性研究工作。通过开发全荧光成像和自动化谱系追踪技术，研究团队实现了单细胞分辨率的胚胎发育研究，能够以分钟级的时间分辨率和3D空间分辨率，追踪从4个细胞到约600个细胞（幼虫期）的每一个细胞的行为和命运。该研究框架旨在从时空数据中寻找细胞组织模式，揭示介于单个细胞与组织/胚胎之间的"集体细胞行为"，理解生物结构如何从个体细胞中涌现。

从对称性打破到神经系统形成

报告首先展示了几个胚胎发育中大规模细胞组织的精彩案例。鲍教授介绍了线虫胚胎如何通过一种独特的集体细胞旋转来打破左右对称性，随后又通过大规模的集体移动来重建表面对称性，这一机制不同于其他生物中常见的信号分子不对称分布模式。

在原肠胚形成过程中，线虫的内部化细胞通过拉动周围细胞覆盖自身的方式实现内陷，这是一种在哺乳动物组织损伤修复中也存在的保守机制。而在表皮扩张过程中，线虫则采用了与斑马鱼等动物不同的策略——通过定向的细胞分裂而非主动迁移来覆盖胚胎表面。

尤为引人注目的是，鲍教授团队发现线虫腹神经索的伸长过程，使用了与脊椎动物神经管形成完全相同的“收敛延伸”机制，且均由平面细胞极性（PCP）通路驱动。这一发现为中枢神经系统在两侧对称动物共同祖先中可能仅进化一次的观点提供了有力证据。

AI揭示细胞运动的“黑箱”

为了深入理解这些复杂的细胞行为，鲍教授团队引入了深度学习工具。他们采用分层强化学习（HDRR）框架来分析细胞迁移，成功揭示了细胞迁移并非连续运动，而是由多个“多细胞玫瑰结”结构介导的。在这种结构中，多个细胞通过收缩接触边汇聚于一点，产生拉力将目标细胞向前拉动。

进一步的研究发现，驱动这一过程的PCP通路展现出两种截然不同的作用模式。在传统的“收敛延伸”中，PCP分子与肌球蛋白共定位，使组织变窄变长；而在线虫的“玫瑰结”结构中，肌球蛋白定位远离PCP分子，导致组织变窄变宽。这表明，相同的分子组件通过不同的空间排布和相互作用，可以产生完全相反的组织形态变化。

Transformer模型：发现空间组织的新规律

报告的后半部分，鲍教授介绍了团队利用Transformer模型在空间模式学习上的最新进展。该模型仅通过学习细胞位置的点云数据，就在其潜在空间中成功捕捉到了深刻的生物学规律：

细胞身份识别：同一个细胞在不同胚胎或不同时间点的实例，在潜在空间中会形成一个独立的聚类。

伪时间轨迹：细胞分裂产生的后代，在潜在空间中会沿着一条平滑的轨迹排列，清晰地展示了发育的时间顺序。

局部与全局关系：模型不仅能精确捕捉2-3层邻居范围内的局部空间关系，还能通过“数字消融”实验识别出位于胚胎前后端、对整个胚胎结构具有全局性影响的关键细胞。

展望：从表型分析到多模态整合

鲍教授还展示了如何利用在野生型数据上训练好的模型，自动检测RNAi突变体中细微且短暂的发育缺陷。这些缺陷往往能被胚胎自身的鲁棒性机制所纠正，传统方法难以发现。这一应用为大规模、高内涵的表型筛选开辟了新路径。

最后，鲍教授展望了多模态数据整合的前景，即整合位置、细胞形状、力学信号和转录组等多模态数据，构建更全面的胚胎发育模型。他相信，通过AI与生物学的深度融合，将能更系统地理解生命从单个细胞到复杂个体的构建法则。

报告结束后，现场师生就AI模型的生物学解释、跨物种应用的可行性以及多模态数据整合的挑战等议题与鲍教授展开了热烈讨论。

鲍志戎

鲍志戎，南方科技大学生命科学学院讲席教授。1996年于吉林大学获学士学位，2002年于圣路易斯华盛顿大学获博士学位，后于华盛顿大学（西雅图）进行博士后研究。2008年至2025年于纪念斯隆凯特琳癌症中心担任助理教授至正教授，2026年全职加入南方科技大学。其团队长期致力于发育系统生物学与计算生物学研究，建立了活体单细胞学的开拓性体系之一，主要工作发表于 Nature、Cell、Nature Machine Intelligence、Developmental Cell 等顶级期刊。

供稿 | 黄恺课题组

编辑 | 鲍 啦

责编 | 远 山

欢迎投稿、建议 | media@szbl.ac.cn