港科大：AI虚拟细胞药物发现可视分析系统

摘要

基因扰动分析是药物研发的核心手段，可探究人为基因干预如何调控细胞全局基因表达模式。人工智能驱动的虚拟细胞模型近年来发展迅速，能够在计算机中批量预测各类基因扰动策略对应的表达变化，大幅降低昂贵、耗时的生物实验依赖。但扰动组合具备组合爆炸特性，且不同细胞会产生差异化复杂基因表达应答，导致模型输出高维扰动空间难以高效挖掘解读。本文提出可视分析系统CellPrism，用于药物研发场景下系统性探索基因扰动方案。系统集成聚类全局概览模块汇总扰动整体效果，采用雷达符号紧凑编码多细胞基因表达谱，搭配多联动视图实现细粒度对比解析扰动作用。本文通过真实药物研发案例与领域专家访谈验证CellPrism有效性，证实可视分析可打通虚拟细胞建模与专家药物研发决策之间的壁垒。

rshengac@connect.ust.hk

#药物研发 #虚拟细胞 #基因表达数据 #人机协同

背景

图2 CellPrism整体集成框架

分为数据处理管线与可视分析工作流2部分

(A) 数据处理管线：

A1利用虚拟细胞模型输入表达矩阵与扰动标签，预测基因差异表达；

A2通过SHAP分析计算各扰动基因在不同细胞中的贡献度。

(B) 4级递进可视分析流程：

B1筛选潜在观测基因；

B2全局概览各类扰动的表达输出；

B3细粒度对比候选扰动方案；

B4汇总筛选最优扰动用于最终药效评估。

系统设计

图1 CellPrism可视化界面总览

面向细胞特异性药物靶点挖掘、副作用评估的可视分析系统，提供知识驱动递进式分析工作流，包含4大交互视图：

(A) 候选基因：基于统计分布快速筛选观测基因；

(B) 聚类导航：大规模扰动空间全局探索；B1聚类散点概览、B2雷达符号单扰动详情；

(C) 表达对比：精细化对比不同扰动策略的表达差异；C1筛选模式热力图、C2细节对比箭头图；

(D) 候选汇总：留存优质扰动，批量对比并筛选最优干预方案。

候选基因视图

图3 差异表达小提琴分布图

并排小提琴图可视化基因差异表达。纵轴为相对基线的表达差值，小提琴宽度代表对应扰动数量密度；红色小提琴为抑制细胞状态基因，蓝色为促进细胞状态基因；

(C) 分正负调控基因设置滑动阈值，按表达区间与占比过滤基因。

聚类导航视图

图4 聚类导航视图各模块

(A) 雷达符号设计：每环代表1个扰动基因，弧宽为基因贡献大小，红蓝区分正负贡献；

(B) 早期废弃的符号原型；

(C) 聚类投影散点图，每个点对应1条扰动策略；

(D) 聚类汇总统计表，内含细胞表达直方图、观测基因条形图、扰动基因统计条形图（d1为单类细胞表达分布直方图）。

表达对比视图

图5 表达对比视图2种互补分析模式

(A) 筛选模式：热力图快速过滤无效扰动，色块饱和度代表与筛选阈值的接近程度，达标单元格高亮（a1）；

(B) 精细对比模式：定向箭头直观展示同一基因在不同扰动下的表达升降幅度（b1）。

案例研究

图6 基因筛选与聚类筛选过程

专家分析前2步操作。

(A) 调节筛选阈值(a1)筛选出4个核心观测基因(a2)；

(B) 聚类统计面板：

b1为A375、HepG2细胞内IER3基因表达分布，

b2、b3为各类观测基因在聚类内的表达统计。

图7 2种扰动方案雷达符号可视化对比

(A) 3基因扰动STAT3_VIM_PCNA，VIM基因对iPSC正常细胞存在强负面扰动；

(B) 剔除VIM后的双基因组合STAT3_PCNA，对正常细胞副作用显著降低。

a1为外层SHAP贡献弧，标注各基因正负贡献。

图8 扰动方案精细对比与汇总

(A) 筛选模式热力图快速初筛达标扰动；

(B) 候选汇总面积图，对比肿瘤细胞药效与iPSC副作用；

(C) 精细对比视图：

c1 A375肿瘤细胞内STAT3_PCNA对抑癌基因抑制更强，

c2 iPSC正常细胞无超标异常表达，安全性更优。

详细总结

思维导图

基础信息总览

现有可视化工具短板对比

5大专家设计需求

DR1~DR5

参考

CellPrism: A Visual Analytics System for Exploring AI-Driven Virtual Cells in Drug Discovery

https://doi.org/10.48550/arXiv.2608.01669

注：AI辅助创作，如有不当欢迎指出。内容仅供参考，不构成任何建议。