UCE单细胞基础模型登上Nature

Jure Leskovec 与 Stephen Quake 团队的单细胞基础模型 Universal Cell Embedding（UCE）论文已在《Nature》正式发表。这项工作致力于解决单细胞 RNA 测序分析中长期存在的碎片化问题：以往不同疾病、组织或物种产生的数据往往局限于各自的图谱，难以直接跨集比较。UCE 试图将新数据直接映射到统一的表示空间中，且按作者说法无需微调或重新训练。

关键细节

据 Stephen Quake 介绍，UCE 是一个表示学习模型，训练数据覆盖了来自不同物种和组织的 3600 万个细胞。其核心目标是让研究者能够在训练集之外的新样本甚至全新生物体上，继续进行单细胞数据的分析与使用。

技术思路

Jure Leskovec 解释称，UCE 试图连接分子尺度与细胞尺度，不再只把基因当作表达矩阵中的列。在模型设计中，基因会依据其编码的蛋白质来表示，并使用 ESM 进行编码。作者指出，这种基于蛋白质语言建模的跨物种设计，使模型能够泛化到训练中未见过的新物种，从而支持跨物种的单细胞表征。

2026-07-14 ~ 2026-07-15 · 5 条相关

一手来源