技术突破 - 腾讯AI Lab与香港城市大学联合开发预训练大型生成模型scTranslator 能够基于单细胞转录组推断缺失的单细胞蛋白质组 从而生成多组学数据 [3] - 该模型受自然语言处理及遗传中心法则翻译过程启发 旨在解决当前单细胞蛋白质组学技术面临的覆盖范围有限、通量灵敏度受限、批次效应、成本高昂及实验操作严格等挑战 [3][5] 模型性能与应用 - scTranslator在独立数据集上的基准测试验证了其在多种谱型技术（如CITE-seq、spatial CITE-seq、REAP-seq、NEAT-seq）、细胞类型（如单核细胞、巨噬细胞、T细胞、B细胞）、组织（如血液、肺、脑）及广泛疾病背景（包括感染、代谢和肿瘤）下的准确性、稳定性和灵活性 [5] - 该模型在辅助下游分析和应用方面展现出优越性 包括基因/蛋白质相互作用推断、干扰预测、细胞聚类、批次校正以及泛癌数据中的细胞起源识别 [5] 学术发表 - 相关研究成果于2025年11月5日发表在Nature子刊Nature Biomedical Engineering上 论文标题为A pre-trained large generative model for translating single-cell transcriptomes to proteomes [3]