AI细胞图谱：利用AI就绪数据革新生物医学研究

人工智能细胞图谱（CM4AI）项目是NIH Bridge2AI计划中的一个功能基因组学数据生成项目，旨在革新生物医学AI研究。其主要任务是生成符合伦理、可用于AI的细胞结构数据集，这些数据来源于人类细胞系的多模态数据采集。该倡议旨在为研究人员提供开发生物医学领域变革性AI应用所需的工具和数据。CM4AI关注三大支柱：数据、人员和伦理，并分为六个模块，涵盖数据采集、工具、标准、技能开发、团队合作和伦理考量。通过创建机器可读的细胞结构分层图谱，CM4AI能够更深入地理解细胞过程及其对人类健康的影响。

细胞图谱是分层有向无环图（DAG），用于在不同尺度上表示细胞内蛋白质的组织结构。图中的每个节点代表近距离的蛋白质集合，范围从细胞核和线粒体等大型细胞区室到较小的蛋白质复合物。这些图谱是利用受扰和未受扰细胞系（包括癌细胞系和诱导多能干细胞（iPSCs））的数据构建的。技术如亲和纯化-质谱（AP-MS）和免疫荧光（IF）染色被用于生成蛋白质相互作用网络并揭示蛋白质定位。通过整合这些数据，细胞图谱为解释基因变异和突变提供了基础，并可用于AI工具中的可视化机器学习，以理解蛋白质组装如何影响细胞层面的表型预测。

CM4AI将AI就绪的生物医学数据定义为具有已知来源的、完全表征的FAIR数据，这些数据经过伦理和可靠的处理，可用于AI应用。这包括确保使用的模型和软件可用、描述清晰且经过验证，并且所做的预测可以被解释。关键原则包括：FAIR原则（可查找、可访问、可互操作、可重用）、来源（计算图的可用性）、表征（完整的模式和数据表）、可解释性（统计表征和局限性）以及伦理考量（受试者的伦理待遇和负责任的数据分析）。CM4AI使用FAIRSCAPE框架的扩展版本来建立AI就绪的基础，重点关注丰富的元数据、持久标识符和验证程序。

CM4AI利用特定的细胞系，包括MDA-MB-468乳腺癌细胞系和KOLF2.1J iPSC细胞系，这些细胞系均经过伦理来源。数据采集涉及使用AP-MS和SEC-MS进行蛋白质-蛋白质相互作用（PPI）图谱绘制，使用免疫荧光进行空间蛋白质组学图谱绘制，以及使用单细胞CRISPR筛选进行基因扰动图谱绘制。对于PPI图谱绘制，染色质调节因子被标记，并在不同条件下分析其相互作用。空间蛋白质组学图谱绘制涉及自动固定和透化方案，以绘制关键蛋白质的亚细胞组织。基因扰动图谱绘制使用CRISPR筛选来扰动染色质调节因子并分析所得数据。

多尺度集成细胞（MuSIC）管道是整合数据并从多个输入数据流生成细胞图谱的关键工具。该管道包括下载PPI和图像数据、使用深度学习模型生成嵌入、共嵌入以整合PPI和图像信息、蛋白质群落检测、层级创建和层级评估等部分。该管道与FAIRSCAPE基础设施接口，以验证输入并创建RO-Crate包。还探索了集成结构建模，以增加对MuSIC群落的理解。

CM4AI通过开发数据集成和元数据管理标准来强调AI就绪打包。这包括创建数据字典、格式标准以及FAIRSCAPE元数据和来源API。目标是确保数据易于访问、互操作并可重用于AI应用。该项目还侧重于将数据元素映射到公共本体词汇表，并使用JSON-Schema小型数据字典描述。

CM4AI生成的细胞图谱在AI研究中具有众多应用。它们可用于解释基因变异和突变，理解蛋白质组装如何影响细胞层面的表型，以及开发用于可视化机器学习的AI工具。通过提供细胞结构的全面视图，细胞图谱使研究人员能够构建更准确、更有效的生物医学应用AI模型。这些模型可用于预测疾病结果、识别潜在的药物靶点以及开发个性化治疗策略。

CM4AI项目在不断发展，未来的方向包括增强AI就绪功能，扩大研究的细胞系和条件范围，以及开发更先进的数据集成和分析工具。该项目旨在通过提供开发变革性AI应用所需的数据和工具，对生物医学研究产生重大影响。通过遵守伦理原则和推广FAIR数据实践，CM4AI确保其资源得到负责任的使用，并造福人类。