发育生物学里有个悬而未决的老问题：一个细胞是怎么决定自己变成脑细胞、肝细胞还是肌肉细胞的？10月15日，MIT News报道了该校与怀特黑德生物医学研究所的一项研究，由生物学助理教授普林·李与博士生尼古拉斯·哈钦斯领导的团队开发了机器学习模型IRIS，能从细胞的基因活性数据中反推它曾经接收过哪些化学信号，相当于给细胞的成长履历做了一次回放。相关论文以开放获取形式发表于9月8日的自然方法学期刊，为干细胞工程与再生医学提供了一件新工具。
先补一点背景。胚胎从一团干细胞出发，细胞们不断与邻居互发化学信号，信号经由多步级联的通路转化为基因活性的改变，细胞据此知道自己身处何处、发育到哪一步、该变成什么。单细胞测序技术能让研究者看到细胞当下的基因表达快照，但快照里没有历史：是哪些信号、在什么时刻把细胞推到了今天这个状态，从静态数据里读不出来。这也是发育生物学家对这类工具格外敏感的原因，他们要的从来不是一张更漂亮的地图，而是一条能解释因果的路径。更值得琢磨的是它提问的方式，研究者没有去问这个细胞现在是什么，而是问它经历了什么，前者是分类问题，后者是推断问题，难度不在一个层级，能做成说明表达谱里确实藏着可被解码的时间信息。换个角度看，这项工作的贡献不在模型结构有多新，而在它把一类原本只能靠实验逐点测绘的问题，改写成了可以批量计算的问题，后续任何实验室都能用现成数据跑一遍。
过去的思路是逐条通路、逐种细胞类型地做实验绘图，一种信号在一类细胞里的作用要单独测一遍，整套图谱的绘制以年为单位。研究团队的突破口在于一个意外的发现：每条信号通路会在细胞基因活性上留下特征性的指纹，而同一通路留下的指纹，在不同细胞类型之间保持一致。既然指纹通用，就不必逐一测绘，一次学习可以处处复用。
IRIS本质上是一个神经网络模型，它读取细胞整体的基因活性，估算特定时刻哪些信号通路处于开启状态。训练数据来自一项大规模扰动筛选实验：数千个人类胚胎干细胞，暴露在六大主要信号通路的数十种组合之下，覆盖多个发育阶段，最终形成一张信号组合如何影响细胞行为的图谱。有了这张图，模型学会了把每条通路的指纹与其他通路区分开。
真正的跨越发生在迁移环节。研究者用了一个形象的类比：语音识别系统主要用英语训练，却能辅助识别其他语言，这叫迁移学习。IRIS把在人类干细胞上学到的信号指纹，迁移到了小鼠胚胎，以及训练数据中从未出现过的细胞类型上。指纹的跨类型一致性把原本按通路乘以细胞类型展开的巨大实验矩阵，压缩成了一次训练，这是方法层面真正的效率革命。
具体到输入输出，IRIS 吃的是细胞的基因表达向量，吐出的是各条信号通路在某一时刻的激活概率，粒度落在通路级别而非单个分子。这个抽象层级的选择颇为务实，通路是实验上可干预、药物上可靶向的单元，比追求单分子精度更贴近真实需求。训练的监督信号来自扰动实验的真实标签，模型要学的是从表达谱到通路状态的映射，而不是记住某批细胞的答案，换到新数据集时才不至于立刻失效。团队还做了消融验证，把通路指纹的可分离性单独测了一遍，确认性能提升来自指纹结构本身而非模型容量。这类验证在方法学论文里不算显眼，却是能否被其他实验室复用的关键。
模型好不好，要看实战。团队用小鼠原肠运动阶段的单细胞数据测试IRIS，这是细胞命运快速分化的关键窗口。结果显示，模型对注定发育为心脏、肠道、肌肉与脊髓组织的细胞，准确预测了特定信号通路激活的时间与位置。发育生物学最讲究时空精度，预测能与胚胎实际对得上，说明模型学到的不是数据噪声，而是真实的调控逻辑。
更硬的检验是设计任务。团队让IRIS回答：哪些信号组合能推动干细胞走向对肺发育至关重要的细胞类型？模型给出预测后，实验者在小鼠胚胎上验证，结果证实了预测成立。模型提出假设、湿实验给出裁决，这条闭环跑通的意义在于，研究者从此可以先用模型筛选信号配方，再精准地做验证实验，把原本大海捞针式的试错压缩成有导航的直达。验证环节的严谨程度同样值得一说，团队没有停在计算指标上，而是回到活体胚胎观察细胞的实际走向，这种把预测交给湿实验裁决的做法，是这类模型能否被生物学家真正接受的分水岭。换句话说，模型给出的不是结论，而是一份值得动手验证的候选清单，这份清单的命中率决定了它在实验室里的实际地位。
这项工具的近期价值集中在两个方向。其一是干细胞工程：一旦知道驱动某种功能细胞类型的信号模式，实验室就能照方抓药，把干细胞定向诱导成目标细胞，再生医学的原料供给会更稳定。其二是类器官研究：这些模拟真实器官的微型三维组织，质量取决于细胞在形成过程中是否收到了正确信号，哮喘、肺癌、肺纤维化等疾病的模型与药物筛选都将受益于更可靠的肺部类器官。
边界也要说清楚：目前的核心验证集中在小鼠胚胎的原肠运动与肺谱系发育，跨物种、跨阶段、跨疾病情境的广谱验证还有待展开，模型重建的也只是信号历史的主要脉络而非每一次分子事件。但方法论的启示已经清晰，正如研究者所说，IRIS正以远超手工实验的速度帮我们解码细胞间的对话。AI for Science的下一个高产出方向，可能就藏在这种把实验矩阵折叠成一次训练的能力里。
把 IRIS 和 AlphaFold 放在一起看，能看出 AI for Science 的两种范式。AlphaFold 解决的是从序列到结构的静态预测，答案相对唯一、评价标准清晰；IRIS 反推的是过程与历史，输入是快照，输出是一串时间上的因果链条，本质上更接近逆问题求解。这类问题的价值在于它直接对接实验设计：知道哪些信号组合能把细胞推向目标状态，就能少做几万次无效培养。干细胞定向分化的成本极高，一批诱导实验的耗材与人力以周计，能把试错次数压下去一半，对再生医学的产业化耐心是实打实的支撑。