多模态无细胞RNA语言模型Exai-1:推动液体活检技术革新

《Nature Machine Intelligence》:A multimodal cell-free RNA language model for liquid biopsy applications

【字体: 大 中 小 】 时间:2025年12月12日 来源:Nature Machine Intelligence 23.9

编辑推荐:

  本研究针对液体活检中cfRNA(cell-free RNA)数据稀疏性及技术噪声的挑战,开发了多模态生成模型Exai-1。该模型整合RNA序列嵌入与表达丰度数据,通过自监督学习提升信号保真度,实现高精度疾病检测与跨生物流体泛化,为罕见癌症诊断提供新范式。

  
液体活检技术近年来在癌症早期诊断、微小残留病灶监测等领域展现出巨大潜力,尤其是基于循环肿瘤DNA(ctDNA)和细胞游离RNA(cfRNA)的分析方法。然而,cfRNA检测面临两大核心挑战:一是数据的高维稀疏性,尤其在早期癌症或小样本场景下,肿瘤释放的RNA分子浓度极低;二是技术噪声和生物流体差异(如血清与血浆)导致模型泛化能力受限。传统方法往往依赖特定监督任务,难以捕捉不同RNA物种间的复杂相互作用,且缺乏对RNA序列结构与表达模式关联的深入挖掘。
为突破这些瓶颈,研究团队在《Nature Machine Intelligence》上发表了题为“A multimodal cell-free RNA language model for liquid biopsy applications”的研究,提出了Exai-1——一个基于Transformer的多模态生成基础模型。Exai-1通过整合RNA序列嵌入(来自RNA-FM模型)与cfRNA丰度数据,构建统一的潜在空间,显著提升了信号还原能力和生物学可解释性。
关键技术方法
研究基于13,014例血浆和血清样本的cfRNA数据集,筛选出7,349个高可变小RNA(包括tRNA、snoRNA、miRNA、yRNA和oncRNA)作为特征。Exai-1采用变分自编码器(VAE)架构,通过掩码语言建模(25%特征随机掩码)进行预训练,并引入特殊标记(如癌症检测、组织来源等)实现多任务学习。模型利用RNA-FM的32维主成分初始化嵌入层,结合三重边际损失(triplet margin loss)分离生物信号与技术变异,最终生成合成cfRNA谱用于数据增强。
研究结果
1. Exai-1实现高保真cfRNA重建与去噪
通过对掩码特征的还原测试,Exai-1的重构R2达0.89,显著优于基线(R2=0.57)。在模拟噪声实验中,模型重构数据与原始数据的R2仅轻微下降,而传统方法(如MAGIC)在噪声增加时性能显著恶化。表明Exai-1能有效去除技术噪声并保留关键生物信号。
2. 潜在空间增强癌症检测性能
在有限样本场景下(50-400例),使用Exai-1潜在空间训练XGBoost分类器,其AUC较原始特征空间提升0.22。通过生成合成cfRNA谱增强训练集,进一步将卵巢癌检测的AUC提高0.01(基线AUC=0.74)。证明模型在小样本学习中具有显著优势。
3. 嵌入空间捕获生物学与技术因素
特征嵌入分析显示,Exai-1学习的cfRNA嵌入维度与共表达簇显著关联(FDR<1%)。样本嵌入的UMAP可视化清晰分离癌症/对照组、不同检测版本及生物流体类型,证实模型能同时保留生物差异并减少批次效应。
4. 跨生物流体泛化能力
在配对血浆-血清样本测试中,基于原始特征的分类器在血清上AUC降至0.56,而使用Exai-1潜在空间的模型在血浆和血清上均保持高性能(AUC>0.74),解决了生物流体差异导致的泛化障碍。
结论与意义
Exai-1通过多模态学习框架,将RNA序列信息与表达动力学有机结合,为液体活检提供了可扩展的基础模型。其生成能力不仅助力数据增强与噪声抑制,还通过潜在空间解耦生物信号与技术变异,显著提升跨平台、跨生物流体的稳健性。该模型为罕见癌症的早期诊断、治疗监测及生物标志物发现提供了新工具,标志着人工智能驱动液体活检迈向可解释、泛化性强的新阶段。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号