瑞士洛桑联邦理工学院、苏黎世大学等机构的研究人员提出面向空间蛋白组学的基础模型VirTues，旨在解决不同研究因实验条件和成像平台差异导致的数据难以互通问题。该模型通过将多源数据映射至统一空间，构建起跨尺度、跨队列的虚拟组织地图，从而为细胞识别、疾病预测及生物标志物发现提供统一基础。相关研究成果于2026年8月5日发表在《自然》期刊上。

    VirTues利用蛋白语言模型将不同实验中的蛋白标记映射到统一空间，打破了固定标记面板的限制。研究人员设计了因子化Transformer结构，将注意力机制拆分为“标记注意力”和“空间注意力”，分别理解蛋白间关系及其空间排列。模型结合蛋白分子信息与空间图像信息，可处理训练中未见过的新标记组合，实现跨数据集的知识迁移。

    实验结果显示，该模型具备强大的信息补全能力，即使在隐藏部分蛋白信息的情况下，也能精准还原真实组织结构。在全数据集训练下，模型对稀有免疫细胞的识别能力显著提升，其中自然杀伤细胞识别能力提升109.7%，髓系细胞提升34.3%。临床应用测试表明，VirTues衍生的生物标志物能有效预测三阴性乳腺癌患者的免疫治疗反应，并对患者生存期进行准确分层。

信息来源：

https://www.nature.com/articles/s41586-026-10884-y

https://mp.weixin.qq.com/s/5OoT3VMYcq6UTf2SFcuyeQ