2026-10-09
剑桥与 Theis 组用流匹配生成脐带血 CD34+ 培养配方,采样时以前向梯度纠偏。四轮闭环约 7800 万个细胞,一条红系配方把目标群体提到 22%。
体外把造血干祖细胞推向某一谱系,靠细胞因子和小分子的组合与剂量,空间是连续的。10 个参数、每个 4 档、再加两种氧浓度,就有数百万种配方。虚拟细胞模型大多只做正向预测:给定配方,预测细胞变成什么样。要从目标状态反推配方,常见做法是在固定清单里检索,清单外的连续剂量生成不出来。同一因子换个浓度,可以从促扩增变成促分化,出来的又是一群细胞。巨核细胞的金标准方案,是从 1500 份脐带血里试出来的。
LabCompass 在采样时做逆向生成,换目标细胞类型不用重训。设计变量是因子浓度、氧浓度和培养天数。条件流匹配先学一个先验,把噪声沿着速度场推到像真实做过的配方。
每一步用一步估计把噪声映回干净配方,交给可微的前向代理。前向代理也是流匹配,以配方为条件生成 26 维细胞状态:20 个流式标志物加 6 个散射参数。表型读出是细胞类型比例或标志物统计。损失相对目标的梯度加进生成速度,把轨迹推向预测能富集目标的区域,先验则把它拴在做过的配方附近。任何对设计变量可微的前向模型都能接上。直接对配方做梯度下降没有这层先验,会漂出训练分布,多个起点还会塌成一个点。
选配方的规则是写死的。丢掉预测比例太低、氧浓度不在 5%-25%、培养天数不在 12-20 天、或某轴超出已测范围的候选。剩下的按不确定性排序。不确定性是多次生成后损失的标准差。每个谱系取最低的一条做利用,最高的两条做探索。第 3 轮起还按配方聚类,从不同簇取样。每轮新数据并入后,前向模型和设计先验都重训,前向结构用 25 次随机搜索重选。细胞类型分类器只在注释改了才更新。
材料是脐带血 CD34+ 细胞,约 10 种细胞因子和小分子,20 色光谱流式。初始筛选是 116 个配方、约 5000 万个细胞。第 1 轮只在计算机里扣下 6 个已测配方,不培养生成结果。第 2 到第 4 轮才培养模型给出的配方,每轮 6 到 16 个,而且换一个供体。按论文摘要,各轮下来共约 7800 万个细胞。
分辨率固定为 5 的玩具网格上,LabCompass 相对均匀随机搜索的性能从 2 维的 1.73 倍增到 30 维的 97.91 倍。对照里 LabCompass 的前向评估预算固定,随机搜索要不断加预算才追平。维度越高,乱搜越不划算。
造血实验按轮次看。
第 1 轮检验能不能找回已知配方。文献配方 210 测到约 70% 巨核祖细胞(MgkPro),训练集里没有任何配方超过 16%。模型没见过它,生成的浓度仍靠近它的两个标志:UM171 约 70 nM,butyzamide 约 100 nM。预测不确定性与到配方 210 的距离负相关(Spearman ρ = -0.72)。把 6 个扣留配方加回训练后,原先越不确定的设计,不确定性下降越多(Spearman ρ = 0.702)。
第 2 轮是第一次湿实验,目标扩到红系祖细胞、表型造血干细胞和 pre-ProB,外加巨核祖细胞。红系条件测到 6.1% 和 7.4%,落在全部已测配方的前 16.3%。巨核条件约 44% 和 10%,落在前 3%。表型造血干细胞和 pre-ProB 几乎没有富集,作者归因于当时的培养基里缺关键因子。用新数据更新后,扣留条件上的不确定性,巨核降 18.4%,红系降 66.1%。标志物均值与实测的 Pearson 相关从 0.437 升到 0.873,标准差从更新前不显著升到 0.872。
第 3 轮加入两个新轴:M-CSF,以及含 IL-7 和 DLL4 珠的淋巴 cocktail。把生成配方里的 M-CSF 置零再预测,目标比例的下降与原始预测几乎一一对应,CD14+ 的 Pearson r 为 0.998,CD16+ 为 0.918。高不确定性、而且用了淋巴 cocktail 的配方 275,提高了 Pre-ProB、ProB 和 CD19。低不确定性、没用这个新参数的配方 274 没有。新因子只有被放进设计空间,模型才用得上。
第 4 轮把 TPO 从原来的 2.5 ng/mL 上限往上推。前向模型预测巨核红系比例在 25 ng/mL 后进入平台,滴定实验吻合。配方 266 的 TPO 为 8.13 ng/mL,红系群体提到 22%,约为对照配方 247 的 1.6 倍,CD235a 也排在已测配方的前部。
聚类还找到成分不同、预测分布相近的路线。巨核红系一条像配方 210,用 UM171 加高 butyzamide。另一条用 TPO 加 IL-3,不用 UM171,butyzamide 很低。实验上配方 261 和 263 的巨核与巨核红系祖细胞累计比例,均值在 20% 到 30%,和配方 210 的独立生物学重复 279 处在同一档,各有五个技术重复。CD16+ 单核细胞的两条路线主要差在 LDL 和 UM171,配方 267 和 268 测到 7.8% 和 8.7%,高于阳性对照 277,也高于模型自己预测的 2%-4%。
同一套框架还套到 Hein 与 Weissman 已发表的人巨细胞病毒感染单细胞数据上。那里的「配方」是病毒表达状态,「细胞状态」是宿主表达。模型能针对扣留的感染阶段去生成病毒状态,并在 Perturb-seq 上把 STAT2 和 IFNAR2 这两个宿主限制因子的扰动方向对上。正文没有给出能量距离的具体数值,比较在补充图里。
做造血分化或类器官的人,可以把目标细胞比例直接变成下一批培养条件,换目标不用重训。多条路线走到相近状态,某种重组因子太贵或不适合临床生产时,还有另一套试剂。前向模型不必先精确:M-CSF 掩蔽对上了已知的单核依赖,TPO 平台也更像量效关系。它还不是无人值守的实验室,每轮仍要人选少量配方,模型也要重训。和固定清单检索相比,多出来的是连续剂量上的生成先验。
作者承认:没信号就学不会,代理模型几乎不解释机制,每轮重训很贵,设计空间里没有的因子变不出来。第 2 轮表型造血干细胞富集失败就是缺因子。一次只查询一个细胞类型,加药的时间顺序还没做。
第 1 轮找回的约 70% 配方没有拿去培养。第 4 轮把配方 210 作为生物学重复 279 再测,和两条新路线一起落在 20%-30%,论文没有对齐最初那次约 70% 的 MgkPro。每轮换供体,配方效应和供体效应缠在一起,也没有做批次校正。CD16+ 单核实测高于预测,单次比例不能当定量承诺。梯度下降只在计算机里比了是否越界。病毒那一项是已发表数据的回溯。相对 1500 份脐带血磨出的方案,这里每一轮的生物学样本小得多。