9月27日，腾讯AI Lab在《自然 机器智能》上发表了一篇论文，提出了关于单细胞注释的scBERT算法模型，实现了高解释性、高泛化性、高稳定性的单细胞类型注释技术。这项研究成果对于单细胞转录组测序数据分析领域未来研究具有深远意义。

基于单细胞RNA序列数据注释细胞类型是研究疾病进展和肿瘤微环境的先决条件。论文提出了一种基于预处理深度神经网络的模型，即scBERT模型，首次将自然语言处理算法经典计算单元运用到单细胞转录组测序数据分析领域。该模型基于BERT范式，将细胞中基因的表达信息转化成可被计算机理解、学习的语言，并对细胞进行精准标注。

为了保证全基因组内基因级别的可解释性，scBERT模型在预训练数据上没有做任何的降维或筛选处理，最大程度上保留数据本身的特性和信息。此外，该模型复用了大规模的公开数据集，包含不同实验来源、批次和组织类型的单细胞数据，以保证模型能学习到更为通用的知识，精准捕获单个基因的表达信息及两两基因之间的作用关系。

从结果上来看，scBERT模型实现了高解释性、高泛化性、高稳定性的单细胞类型注释技术。在9个独立数据集、超过50万个细胞、覆盖17种主要人体器官和主流测序技术组成的大规模Benchmarking测试数据集上，该算法模型的优越性均得以验证。其中，在外周血细胞亚型细分任务上，相较现有最优方法的70%准确度提升了7%。

在应用价值层面，该项技术能给细胞中的每个基因都印上专属身份证，可用于临床单细胞测序数据，并辅助医生描述准确的肿瘤微环境、检测出微量癌细胞，从而实现个性化治疗方案或者癌症早筛。同时，在疾病致病机制分析、耐药性、药物靶点发现、预后分析、免疫疗法设计等领域也具有极其重要的作用。

信息来源：

https://www.nature.com/articles/s42256-022-00534-z

https://news.bioon.com/article/f0dfe41351a2.html