【量子位 2026年2月10日讯】神经科学领域迎来颠覆性突破！加州大学旧金山分校的研究团队推出基于Transformer的CellTransformer算法，仅用数小时就完成了5只小鼠的大脑图谱绘制，不仅精准复现1000多个已知脑区，还发现了此前未被标注的全新脑区。这一成果将原本需要人类科学家耗时百年的脑图绘制工作效率提升万倍，为大脑研究乃至人体器官图谱构建开辟了数据驱动的全新路径，相关研究已发表于《自然通讯》。
百年脑图绘制之困 手工标注难破主观与效率瓶颈
大脑图谱被誉为“理解大脑的导航图”，但绘制工作长期受困于低效与主观。传统方法需要科学家在脑部图像上手工画线标注，凭借经验划分脑区边界，耗时费力且缺乏统一标准。2020年发布的艾伦小鼠脑通用坐标框架，虽基于1675只小鼠数据构建了包含1000多个脑区的权威图谱，但仍难逃手工标注的局限。宾夕法尼亚州立大学医学院神经解剖学家金永洙曾直言，向资深专家请教脑图绘制方法时，得到的回应往往是“这都是我脑子里的”，足见传统方式的主观性短板。
除了主观性，效率低下更是制约脑科学研究的关键。人类对大脑结构的系统性绘制已持续百年，但面对海量细胞数据仍力不从心。单只小鼠大脑就包含约1亿个细胞，每个细胞涉及数百个基因表达信息，传统方法根本无法在短时间内完成规模化分析，更难以捕捉脑区的精细亚结构。
CellTransformer黑科技 以“细胞对话”解锁脑区密码
CellTransformer的横空出世，彻底改变了脑图绘制的底层逻辑。这款采用编码器-解码器架构的AI算法，灵感源自ChatGPT等大模型的Transformer框架，却创新性地将其应用于细胞层面的空间关系分析——如同自然语言处理中分析词语上下文，CellTransformer专注于解读细胞间的“邻里关系”。
其核心工作原理堪称巧妙：研究人员为每个细胞划定微米级“邻域”，将邻域内的每个细胞视作一个“token”，通过Transformer自注意力机制让细胞彼此“交流”，自动学习细胞间的重要关联。训练阶段采用自监督学习模式：随机遮蔽某个细胞的基因表达信息，仅保留细胞类型标签，让模型根据周围细胞的空间结构和分子特征，反推被遮蔽细胞的基因表达分布，通过数百万次迭代优化，精准捕捉细胞间的内在联系。
最终，研究人员提取每个细胞的“邻域表示向量”，经聚类分析后，脑区会自动“浮现”——已知功能区自然对齐，精细亚区和全新脑区也随之显现。这一过程无需人工标注脑区标签，既避免了主观偏差，又实现了全自动化分析。
四大核心突破 重新定义脑图谱精度与规模
实验结果显示，CellTransformer在5只小鼠（含1040万个细胞）的脑组织数据上展现出惊人性能，实现四大关键突破：
1. 效率万倍提升 数小时完成百年级工作
传统方法需耗费科学家数年甚至数十年才能完成的规模化脑图绘制，CellTransformer仅用几小时便全部搞定。其处理的1040万个细胞数据量，远超传统手工标注的极限，却能保持高效运算，为大规模脑科学研究提供了可能。
2. 精准对齐已知脑区 无幻觉更可靠
在完全不使用脑区标签的情况下，CellTransformer能定义25至1300个神经区域，与艾伦小鼠脑通用坐标框架的手绘图谱高度吻合，连皮层层级结构都精准匹配。由于基于细胞预测结果分组，算法不会生成虚假脑区，彻底解决了AI生成的“幻觉”问题。在海马体、上丘等关键区域，其识别的亚区边界与过往研究定义完全一致，验证了方法的可靠性。
3. 解锁全新脑区 破解神经科学谜题
CellTransformer不仅能复现已知脑结构，还能发现此前被遗漏的精细亚区和全新脑区。针对参与运动、奖赏调控的纹状体（小鼠脑中标称为尾壳核），算法通过调整参数，揭示出其内部网格状交错的空间结构，证明尾壳核并非单一脑区，而是由多个细分区域组成，为解释同一脑区如何执行多种不同功能提供了关键线索。在研究较少的中脑网状核区域，算法还识别出4个新脑区，每个区域都具备独特的细胞类型和激活基因。
4. 跨动物适配 可扩展至多器官研究
CellTransformer并非“小鼠特供”，其能成功整合不同动物的异质性数据，在5只小鼠（含冠状切片和矢状切片样本）中生成一致的脑区亚结构，展现出强大的泛化能力。研究团队表示，该算法不仅可用于大脑研究，还能扩展到肾脏、病理组织等其他器官，通过构建详细细胞图谱，助力疾病机制研究，例如区分健康肾脏与糖尿病肾脏的细胞差异。
剑指人类大脑 多器官图谱构建未来可期
小鼠脑图的突破只是起点，CellTransformer的最终目标是绘制人类大脑图谱。尽管人脑包含约1700亿个细胞，是小鼠大脑的170倍，目前尚缺乏足够的规模化数据支撑，但研究团队信心十足。项目负责人、加州大学旧金山分校神经学与生物工程副教授Reza Abbasi-Asl表示，一旦获得足够数据，CellTransformer完全有能力应对人类大脑的复杂挑战。
从技术价值来看，CellTransformer将脑图绘制从“经验驱动”转向“数据驱动”，不仅大幅提升效率和精度，更能发现人类肉眼难以察觉的精细结构，为神经科学研究提供全新视角。未来，随着算法优化和数据积累，AI有望绘制出更精准的人类大脑图谱，为阿尔茨海默病、帕金森病等神经退行性疾病的研究提供导航，甚至推动整个生命科学领域的研究范式变革。
正如艾伦研究所分子遗传学主任Bosiljka Tasic所言，这一突破就像“从只显示大洲和国家的地图，升级到包含州和城市的详细地图”，将帮助科学家把特定功能、行为与疾病状态和更精细的细胞区域关联起来，为后续研究提供清晰的假设和实验路径。AI与神经科学的深度融合，正打开人类探索大脑奥秘的全新大门。
