利用时序注意力理解细胞命运决定
主要作者Florian Bürger、Martim Dias Gomes、Adrián E. Granada、Noémie Moreau与Katarzyna Bozek分别来自科隆大学医学院生物医学信息学研究所、科隆大学数学与自然科学学院、Cologne Excellence Cluster on Cellular Stress Responses in Aging-associated Diseases（CECAD）、Center for Molecular Medicine Cologne（CMMC）以及位于柏林的Granada Lab。该研究于2026年10月12日发表在期刊PLOS Computational Biology上，论文标题为“Understanding cell fate decisions with temporal attention”。
一、研究背景与目的
癌症治疗面临的核心挑战之一是肿瘤对化疗药物的部分响应：即使在相同治疗条件下，遗传背景完全相同的细胞群体内部也会出现截然不同的命运走向——部分细胞走向程序性死亡（凋亡，apoptosis），另一部分细胞则存活并继续增殖（有丝分裂，mitosis），最终导致治疗抵抗与疾病复发。已有的研究虽然识别出p53、细胞周期阶段、增殖状态等多个影响细胞命运的分子与动态因素，但大多局限于对个别因素与细胞命运之间关系的考察，缺少在化疗处理背景下系统性地评估基于多种动态信息预测细胞命运的可行性。近年来，深度学习方法被引入细胞动态研究，但已有工作多聚焦于细胞周期阶段分类，或依赖自编码器学习形态表征后再进行解释，尚未系统探索Transformer模型在时间序列活细胞影像中的预测能力及其基于注意力机制的可解释性。
本研究旨在构建一个直接从原始长期活细胞影像序列中预测单个癌细胞命运的深度学习模型，不依赖任何预定义的形态学或分子特征；同时建立一整套可解释性分析框架，用以回答两个关键问题：第一，在细胞生命周期的哪个时间点命运决策开始变得可预测；第二，哪些信号对该预测最为重要。通过结合时序注意力分析与统计检验，研究者希望提取具有生物学意义的细胞命运决定因素。
二、研究设计与方法流程
研究所使用的数据集为公开的活细胞成像数据集，包含274段延时荧光显微镜视频，每段186帧，空间分辨率1024×1024像素，每30分钟采集一次，持续93小时。其中118段为使用化疗药物顺铂（cisplatin）处理后的细胞培养，药物在成像开始后48小时加入，并分为高、中、低三个剂量组。细胞中表达了三种荧光报告基因：CFP-hGeminin指示S/G2/M期细胞周期进程，NR1D1::VNP反映昼夜节律与代谢状态，p53转录活性报告基因捕获DNA损伤与应激信号。所有细胞均经过人工追踪与标注，有丝分裂事件以母细胞分裂为两个子细胞的帧记录，凋亡事件以出现明显形态崩溃的首帧记录。数据集共包含约51,000条细胞轨迹，其中约18,000个有丝分裂事件和3,500个凋亡事件，其余为无标签序列。模型输入为以细胞质心为中心裁剪的112×112像素图像序列，从细胞首次出现到事件发生前一帧为止，确保可见的分裂或死亡形态不被纳入预测。最终用于建模的数据集包含21,898条序列，其中凋亡4,456条，有丝分裂17,442条，对照、低、中、高剂量及未知剂量各组凋亡事件数分别为41、411、570、1,219和2,215。
模型架构方面，每帧单细胞图像首先通过ResNet50骨干网络独立提取2048维特征嵌入，作为Transformer编码器的输入token。序列前添加[CLS] token作为整条轨迹的全局表示。绝对帧索引的正弦位置编码被加入所有元素，随后输入由8层相同结构组成的Transformer编码器，每层采用4个注意力头的多头自注意力机制。编码器输出之后应用额外的注意力层聚合时间信息，捕捉各帧对最终预测的相对重要性。层归一化在该注意力层前后均被应用。最终，经变换的[CLS] token通过线性分类头输出二分类结果。在训练阶段，采用加权随机采样以缓解类别不平衡，序列末端以空token补齐到批次内最大长度，并在编码器内屏蔽填充位置。数据增强包括随机水平与垂直翻转、颜色抖动、高斯模糊，以及一种序列级增强策略——随机遮挡每条序列末端10%至50%的连续片段。模型使用二元交叉熵损失，Adam优化器，学习率1×10⁻⁵，权重衰减1×10⁻³，最多训练86轮，早停基于验证损失。
可解释性分析框架由两个层面构成。其一为时间截断实验：通过逐步删除序列末端0至50帧评估预测性能变化，或仅保留最后k帧输入模型，以此研究预测信息的时间分布特征。其二为注意力引导的特征分析：在推理阶段提取最终注意力层的权重，以每条序列注意力权重的第90百分位数为阈值，将帧分为高注意力帧集合Hₛ和低注意力帧集合Lₛ。通过掩蔽实验验证注意力权重的可靠性——分别屏蔽最高注意力、最低注意力或随机选择的帧，比较对模型平衡准确率的影响。在此基础上，使用Cellpose进行细胞分割，利用scikit-image提取细胞面积、周长、等效直径、偏心率、坚实度、圆度以及各荧光通道的平均强度等特征。对每条序列分别进行50,000次迭代的置换检验，判断Hₛ与Lₛ之间特征分布差异的显著性，并使用Cliff’s delta量化效应大小与方向，最后汇总所有序列的中位效应量及其95%置信区间，以评估跨序列的一致性。
三、主要结果
在分类性能方面，模型在留出测试集（2,089条序列，其中439条凋亡，1,650条有丝分裂）上取得了0.94的平衡准确率和0.9326的F1分数，正确识别了91.3%的凋亡样本，同时仅有3.5%的有丝分裂样本被误分类为凋亡。与基于手工分割形态特征的基线模型比较，基线模型取得0.90的平衡准确率和0.877的F1分数，表明原始图像嵌入相比手工特征提供了额外的预测信息。三分类模型（有丝分裂、凋亡、“两者皆非”）取得0.8434的平衡准确率，但“两者皆非”类与凋亡类之间存在较高混淆。
时间截断实验揭示了两种命运类别在预测信息时间分布上的显著差异。删除最后5帧时平衡准确率下降至0.919，删除15帧时仍保持0.903，但删除20帧后出现显著下降，删除40帧时降至0.565。分类别看，凋亡序列召回率在删除最后50帧后仅从0.913降至0.860，表现出对截断的相对稳定性；而有丝分裂序列召回率对末端帧删除极为敏感，仅删除最后1帧即从0.965降至0.913，删除50帧后进一步降至0.254。仅保留最后k帧的互补分析显示，有丝分裂仅需最后1帧即可达到0.641召回率，保留4帧时达到0.918；而凋亡序列在仅保留5帧时召回率仅为0.699，需增加到80帧才达到0.907。长度匹配子集上的重复截断分析排除了序列长度分布差异的影响，确认凋亡的可预测信号确实分布在更宽的时间窗口内。
注意力验证实验表明，屏蔽最高注意力帧对性能的损害显著大于随机屏蔽和最低注意力屏蔽：在50%屏蔽比例下，屏蔽高注意力帧使平衡准确率降至0.836，而低注意力屏蔽仍维持0.931，验证了注意力权重作为帧重要性指标的可靠性。将正确分类序列的注意力权重对齐到事件前最后一帧进行聚合发现：有丝分裂序列的注意力在最后1帧出现明显峰值，第二至最后一帧的平均归一化权重为0.62，事件前10帧仅为0.22；凋亡序列的最大平均注意力出现在事件前第5帧而非最后一帧，权重在较长时间范围内保持上升，事件前30帧仍保持约0.42的权重，直到事件前45帧才降至0.07。
高注意力帧与低注意力帧之间的特征差异分析显示：在有丝分裂序列中，p53通道呈现最大的正向Cliff’s delta效应量，面积与等效直径呈现中等正向效应，圆度呈小到中等正向效应，偏心率呈中等负向效应，表明预测分裂的高注意力帧特征为细胞更大且更圆润。在凋亡序列中，p53同样呈现大的正向效应量，等效直径、面积、周长与昼夜节律通道呈小正向效应，但圆度与偏心率未出现明显差异，说明凋亡高注意力帧中的细胞虽较大但未变圆，而是保持原有形态。两种命运类别中细胞周期通道均未显示显著差异。剂量分层分析显示，顺铂处理组中各特征的变化趋势一致，但有丝分裂序列的尺寸相关效应随剂量增加而减弱，形状相关效应则增强，表明高剂量下模型从依赖尺寸线索转向依赖形状线索。
四、结论与意义
本研究证明了仅基于原始视频数据即可在凋亡或分裂事件发生前约8小时实现高精度的细胞命运预测，且模型并不完全依赖事件前的最后一帧，而是整合来自前序帧中的信号。时间截断与注意力分析共同揭示：有丝分裂的预测信号集中在事件前的极短时间窗口内，与细胞进入分裂前发生的快速形态变化（细胞变圆、核荧光波动）相吻合；凋亡的预测信号则分布于更广泛的时间范围，提示凋亡前存在渐进性的细胞过程，涉及细胞拉伸而非变圆以及持续较长时间的p53信号升高。p53在两种命运的高注意力帧中均作为最显著的特征出现，这与其在DNA损伤应答、有丝分裂监管以及凋亡启动中的多重功能相符。方法学上，Transformer结合注意力可解释性的框架克服了传统手工特征提取的局限性，能够同时捕获形态、分子表达及其动态变化，为在更全面的癌细胞成像数据中识别药物抵抗与敏感性的早期决定因素提供了可行路径。其应用价值包括：基于识别出的特征分离耐药细胞并进行前瞻性干预，或在命运决定的关键时间点进行单细胞转录组学表征，进而指导二级药物施加或信号通路的时序性扰动。此外，该框架对生物系统机制尚不完全清楚的领域具有普适的方法学参考意义。
本研究的突出亮点在于：首次将Transformer模型与基于注意力的可解释性分析系统性地应用于化疗处理下的单细胞命运预测任务；提出了注意力验证、时间截断、高/低注意力帧的置换检验与Cliff’s delta效应量分析相结合的解释管线；揭示了有丝分裂与凋亡在预测信号时间定位与形态特征上的本质差异；并通过剂量分层分析展示了形态线索与信号动态在治疗强度梯度下的细微变化。数据与代码均完全公开，保证了研究的可重复性与后续拓展的可能性。