Cell重磅研究！科学家绘制线粒体“四维时空图谱”，无需标记即可预测细胞能量状态

线粒体，这个被誉为“细胞能量工厂”的细胞器，如今科学家们终于能够以前所未有的精度，捕捉并解读这一古老细胞器的完整四维时空密码。近日，国际顶级学术期刊《Cell》发表了一项里程碑式研究成果：研究团队成功开发了名为 MitoSpace 的自监督深度学习模型，通过对海量4D（三维空间+时间）活细胞成像数据的无标签学习，首次实现了对线粒体形态与功能的系统性定量关联，预测精度极高。

图形摘要

突破技术瓶颈：从2D到4D的跨越

长期以来，线粒体形态学作为药物筛选的重要指标已被广泛认可，但其应用受限于两大技术壁垒：一是缺乏足够时空分辨率的成像数据，二是难以从高维数据中提取有意义的表型信息。

研究团队采用晶格光片显微镜（LLSM），以约100纳米/像素的高分辨率、极低光毒性，对经25种不同小分子/肽类处理的Cal27人头部颈癌细胞进行了持续20分钟的4D活细胞成像。最终生成的数据库总量达 26TB，包含约 40,000个单细胞的4D影像——这被认为是目前最大的系统性药理学扰动下线粒体4D成像数据集。

面对如此庞大的数据量，传统分析方法束手无策。团队创新性地构建了一套深度学习管线：先用3D自编码器将数据压缩16倍，再通过由3D残差网络和双向长短期记忆模块组成的4D编码器，提取同时包含形态和动态信息的特征表示。

无监督学习揭示药物表型图谱

令人惊叹的是，MitoSpace在没有接收任何药物标签或作用机制注释的情况下，自主学会了区分不同药物引起的线粒体表型变化。在26种实验条件下，模型的平均预测准确率高达 74.67%，而传统基于13项预定义特征的分类准确率仅为23.81%。

通过降维可视化，研究团队发现：具有相似药理机制的化合物在潜在空间中自然聚集。值得注意的是，经典复合物I抑制剂鱼藤酮并未与其他电子传递链抑制剂聚类，而是与微管破坏类药物相邻——这与它已知的微管蛋白双重亲和力完全吻合，验证了模型捕捉非预期生物学关系的能力。

形态即功能：从结构预测能量状态

线粒体生物学的一个核心信条是：形态与生物能量功能紧密耦合。但此前从未有人证明，仅凭单细胞的4D形态学表征就能定量预测其能量状态。

研究团队利用成像时同步采集的TMRM通道（反映线粒体膜电位）作为独立的功能读出指标，训练轻量级回归探针。结果显示：仅从线粒体的时空形态表征出发，即可预测膜电位，R²达到0.91。即使将输入简化为二值图像，预测精度仍达0.74，表明形态和动态本身携带了大量功能信息。这意味着在未来的成像筛选中，或许不再需要专门的功能报告基因，MitoSpace可以作为计算代理，直接从结构数据中提取功能信息，从而减少光毒性、释放更多光谱通道用于其他读出。

零样本泛化：从癌细胞到类器官

MitoSpace展现出惊人的泛化能力。当仅用10种药物条件训练后，模型对全部26种条件的零样本预测准确率仍达 68.37%，仅比全训练版本下降6.3%。更重要的是，从未见过的药物在潜在空间中仍然按照生物学意义组织，而非坍缩为无差别簇。

更具挑战性的跨系统迁移测试中，模型被应用于人类肺类器官发育过程中的线粒体4D数据——一个与训练数据完全不同的生物学场景。尽管仅在癌细胞上训练过，MitoSpace仍能以 62.9% 的准确率对五个发育阶段进行分类，且误判主要发生在时间相邻的阶段之间。

为量化数据维度的重要性，研究团队在同一数据集上训练了匹配的4D、3D和2D模型。结果清晰显示：表征质量随输入维度单调递增。4D模型在26种条件中的22种取得最高分类准确率74.67%，3D模型为68.30%，2D模型仅为56.12%。这一发现对当前主要依赖2D荧光显微镜的大规模表型筛选领域具有重要启示。

研究意义与未来展望

MitoSpace已展现出基础模型的三大特征：可复用的自监督表征、支持多种下游任务、以及向未见扰动和生物系统的零样本泛化。研究团队已公开预训练模型、完整代码和全部4D扰动数据集，供全球科研人员使用。未来该框架有望扩展到细胞核、内质网、细胞骨架等其他亚细胞器，最终构建一个涵盖多细胞器、能够捕捉细胞完整复杂性的综合基础模型，这将为疾病诊断、药物反应预测和基因功能图谱绘制提供全新的工具。

原文链接：

https://www.cell.com/cell/fulltext/S0092-8674(26)01001-9

原标题：《Cell 重磅研究！科学家绘制线粒体“四维时空图谱”，无需标记即可预测细胞能量状态》

阅读原文