报告时间:2026年11月26日(周四)下午 14:00-15:00
报告地点:苏州大学逸夫楼131;腾讯会议 665-920-200
报告人:周沛劼 研究员,北京大学
报告摘要:
从离散的单细胞测序快照中重建连续的细胞状态演化过程是典型的交叉学科研究,要求研究者同时理解复杂的生物学实验机制并具备扎实的数学建模和工程实现能力。随着单细胞测序技术的快速演进,不同生物学实验分别引入了代谢RNA标记、克隆谱系条形码或配对表面蛋白等异构测量手段。面对爆发式增长的多模态数据,依赖兼具生物学与计算背景的专家针对每一种新型实验设计手工定制专属模型不仅成本高昂,而且难以实现规模化扩展。与此同时,单一固定的动力学模型难以适配所有实验条件下的生物学约束,而现有的通用或生物信息学垂直智能体大多擅长编排工作流与调优超参数等工作,较难针对新的实验结构修改底层数学模型乃至提出新的理论。借助于近期AI在数学能力和代码能力的突破性进展,本报告介绍科学智能体框架 CellCompass,将单细胞非平衡随机动力学建模拆解为跨时间点细胞概率匹配、条件状态转移轨迹拟合以及下游生物学指标定量计算三个模块化环节。面对具体的实验数据集,CellCompass无需从零重复堆砌复杂的黑箱网络,而是根据当前测量模态对动力学自由度的约束方式,自主复用、组合并扩展上述三个环节中的数学模型,同时利用上下文隔离的评审智能体对代码实现与生物学指标进行独立核查,从而实现新算法的自主构建与迭代。
基于这一机制,CellCompass 根据不同组学实验模态自主衍生出一系列定制化动力学算法。针对包含基因程序演化的上皮间质转化(EMT)过程,系统构建了区分状态转移路径偏好与细胞净增殖有效丰度的定量分析流程,剥离了定向分化与差异化扩增的混杂效应。针对代谢RNA标记数据,系统设计了 PulseBridge 算法,利用瞬时转录本代谢速率信息引导跨时间点细胞匹配与连续轨迹推断。针对携带克隆条形码的谱系追踪数据,系统开发了 LineageBridge 算法,通过融入祖先与后代的克隆对应关系,解析了分支特异性的细胞命运偏向与后代分布。此外,针对配对的RNA与表面蛋白多组学测量,系统进一步扩展出 ProteinBridge 算法,实现了从初始转录组状态对跨模态表面蛋白动态演化的准确预测。我们期待CellCompass 能够规模化地将局部的实验测量约束转化为可验证的定制化数学模型,通过主动学习等方式实现自我进化,从而为复杂单细胞多组学数据提供可扩展的自动化算法设计途径。
报告人简介:
周沛劼,北京大学前沿交叉学科研究院研究员,从事人工智能、应用数学与定量生物学的交叉研究,聚焦复杂生命系统的动力学建模与虚拟细胞构建的理论、算法和应用。当前重点关注多组学数字生命模型的构建,为生命过程数字化推演提供数理与人工智能的方法学基础。在Nature, Nature Methods, Nature Communications, Physical Review X, Molecular Systems Biology, Nature Genetics, Nature Machine Intelligence等重要交叉学科和应用数学期刊发表多项工作,入选ICLR等人工智能顶级会议Oral口头报告,2023年入选国家高层次青年人才项目。
邀请人:杨凌、颜洁