Nature 子刊：scTransMIL 模型连接单细胞转录组与患者疾病状态，助力癌症筛查与异质性分析

腾讯 AI for Life Sciences 实验室联合北京大学深圳研究生院等机构于 2026 年 9 月 14 日在《Nature Communications》发表研究，提出了基于多实例学习的 AI 框架 scTransMIL，用于解决单细胞转录组与宏观患者疾病状态跨尺度关联的计算难题。

• 该研究将单个生物样本建模为单细胞集合，利用 Transformer 架构的多实例学习机制，在缺乏细胞级别细粒度标注的情况下建立单细胞表达与样本级临床标签的直接映射。
• 实验评估表明，该模型能够较为准确地预测样本层面的癌症表型，包括推断转移性肿瘤的原发组织来源。
• 在细胞分辨率层面，该框架可识别肿瘤相关细胞亚群并推断生物学演化轨迹，同时依托注意力权重辅助发现全转录组层面的潜在生物标志物。
• 影响/看点：该计算框架若在更大规模的多中心前瞻性临床样本中完成泛化验证，可能为原发灶不明癌症的筛查诊断与肿瘤异质性解析提供更高效的计算辅助手段。
• 资料依据：
• Nature Communications（2026-09-14）：https://www.nature.com/articles/s41467-026-77538-5

本内容由 AI 生成，仅供参考，请注意甄别