直接对比法比积仪

日前，中国科学技术大学俞书宏院士团队与合肥工业大学陆杨教授团队、康斯坦茨大学研究团队合作，研制出了一种新型超高弛豫率磁共振对比剂。相关研究成果日前发表于《自然-通讯》。“相比目前临床在用的对比剂，新型对比剂在更低的剂量下，对细微小血管和组织的细节成像上更为清晰，有利于临床诊断。” 论文共同第一作者、合肥微尺度物质科学国家研究中心特聘副研究员（现为中国科学院杭州基础医学与肿瘤研究所特聘研究员）董良向《中国科学报》介绍。论文共同第一作者、中国科大附属第一医院影像科主任医师徐运军（左），论文共同第一作者、合肥微尺度物质科学国家研究中心特聘副研究员董良（右） 受访者供图奇思妙想：仿生矿化带来新思路“对比剂也称之为‘造影剂’，主要用于临床CT、磁共振成像和超声等增强检查中，使血管或者有血管供血的部位‘显影’，以便临床更容易发现病灶。”论文共同第一作者、中国科大附属第一医院影像科主任医师徐运军介绍，“一般来说，弛豫率越高，磁共振成像对比剂的对比增强效果越显著。” 目前临床在用的对比剂均为Gd（化学元素钆）基的小分子药物，但弛豫性能有限，同时还存在钆离子泄漏隐患；近年来，研究人员发展合成的钆基纳米晶展示出良好的应用前景，但其结晶性往往限制了钆离子与水配位的能力，材料的弛豫率也受限于此。同时，材料的制备往往需要高温高压，合成工艺条件苛刻，难以放大制备，工业生产转化受限。既然钆离子与水配位的能力会影响钆基对比剂的弛豫性能。如果直接提升钆基纳米材料本身的含水量，是否就可以增强钆离子与水分子的互动性，增加钆离子的利用率，进而提升弛豫性能。董良他们进行了大胆猜测。 “但这个新方案并不好实现”。董良解释说，纳米材料的制备过程往往会经历高温、离心等步骤，存在脱水、结晶等现象，最终产物不可能保有太多含水量。在自然界中，无定形碳酸钙广泛存在，并具有高含水的特性。团队受此启发，借助仿生矿化策略，在常温常压下制备出稳定的高含水材料——钆掺杂无定形碳酸钙。“没想到我们的突发奇想真变成了现实。” 董良坦承刚开始他们也很疑惑，这么简单的合成方法能实现对材料的高要求？但经过实验后，结果是肯定的，直接提升钆基纳米材料的含水量，可以为其弛豫性能带来增益。董良建议，化学材料科学的发展，需要建立在不断尝试的基础之上。8年坚守：只为更好满足临床需求事实上，这项研究从课题开始设计到最终发表论文持续了8年时间。董良说，“因为我们的初衷和目标是希望研究成果能从实验室最终走向临床。” 当他们真正一步一步做下来，发现要解决的问题从四面八方涌来。其中一个难点是要依据临床需求评估材料的多种安全性、体内稳定性、药物代谢以及可能存在的毒副作用等。“在相当长时间里，我们对制备工艺、材料表征、性能影响因素、含水量与弛豫率之间的确切关系，以及种类繁多的细胞实验和动物实验评估都做了反复的测试和验证。” 董良说，每一个数据都会经过数次或数十次测定予以确认，而这些都需要花费很长时间。“测试做到夜里是常有的事，有时候大家会边测试边根据结果进行讨论，甚至到了天亮才发现，但是大家都没有怨言。”徐运军回忆。他们没有着急用部分数据或不完整的科学论证去换取论文的发表，而是共同沉下心来将问题解决明白，将机理梳理清楚。董良说，“能碰到志同道合、愿意一起扎实做研究的伙伴是科研工作中的幸事。”改进升级：阶段成功还需解决更多问题最终研究证明，这种新型纳米对比剂的弛豫率约是目前临床使用对比剂（钆喷酸葡胺注射液）的12倍。与此同时，研究人员运用临床仪器设备，在大鼠、新西兰兔等多种实验动物上进行了成像对比。结果显示，新型纳米对比剂在更低的剂量下展现出更清晰、更优异的对比增强效果。“新型对比剂的设计和成像呈现俱佳，数据令人信服，对比剂在体外和体内的磁共振成像能力得到了充分的证明。这项工作为设计具有临床转化潜力的磁共振对比剂提供了新的见解。”一位论文审稿专家如是说。那么，这款新型纳米对比剂何时真正走向临床造福患者？董良认为，材料生产是第一道关。“我们在构建材料体系时，就设想过，如果这种对比剂可以达到转化水平，那么它的生产就不能成为其转化的瓶颈。”因此，在设计制备路线时，他们就把放大生产工艺、宏量合成稳定性、制备成本等作为了重要考量指标，并逐一解决了这些问题。董良介绍，目前在常温常压条件下，几分钟就可以生产出几升材料，为其临床应用转化提供了保障。“但真正用于临床还需要很长一段时间专业的预临床评估。” 徐运军说，比如，在已完成的初步评估中发现，材料在代谢过程中还是会碰到像绝大多数纳米材料普遍出现的肝富集问题。而这个难点也将是新型纳米对比剂最终能否真正造福患者的重要因素。董良说，“接下来，团队将进一步优化材料性能，在已有基础上进行改进升级，争取让第二代、第三代产品进入临床试验阶段。”

近日一家瑞典研究机构发布报告称，雀巢等一些知名婴儿食品含有重金属砷。这给国内消费者带来了一定程度恐慌。雀巢方面在接受中国经济网记者采访时表示，婴儿米粉是辅食，和母乳做比较是不合理的，容易造成很多误解，消费者应理性看待研究机构的报告。 　　瑞典卡罗林斯卡研究院于2011年1月发表的一份研究报告显示，目前婴幼儿产品中含有微量锰、镉和砷等其他重金属。其测试发现，婴儿若每日进食2次米糊等食品，砷的吸入量会较单独喂母乳高50倍，镉高150倍，铅则高8倍。此前有研究显示，少量砷亦会增加患癌风险，镉则可导致神经及肾脏受损，因此许多科学家们呼吁要将这种有害物质从婴幼儿食品中根除。 　　"这个报告的婴儿米粉的样品，是基于跟母乳的比较，提到有微量的元素超标，但婴儿米粉是辅食，和母乳直接做比较是不合理的，会造成很多的误解，"雀巢集团质量保证经理邸雪枫在接受中国经济网记者采访时如是说。他认为，对于这样的学术报告需要全面客观的去看待，不完全的信息披露会造成许多片面性的理解，动不动就提致癌物会造成不必要的恐慌，现在最重要的是产品安全不安全。 　　雀巢集团在给中国经济网的声明中表示，确认报道中所涉及的雀巢产品是完全安全的，并符合所有北欧和欧洲的相关标准。瑞典食品管理局同时也确认所有产品都符合标准。研究中提及的雀巢产品未在中国生产和销售。雀巢在中国生产和销售的婴幼儿食品完全符合中国法规及标准的要求，消费者可以放心的食用。 　　业内专家表示，镉(Cd)、汞(Hg) 、铅(Pb) 、砷(As)等重金属及其化合物在工业和农业上被普遍使用，其在环境中移动性小，残留性高，容易造成污染。而且重金属污染具有累积性、食物链传递性和不易降解性，因此重金属污染已成为比有机物污染等污染更为严重的问题。随着我国城市化和工业化的发展，重金属污染已经逐见端倪，从"血铅事件"到今年年初"镉大米"已引起社会的警觉，而婴幼儿米粉的主要原材料为大米，其风险指数不可低估。 　　事实也在不断被证明。2002年，农业部稻米及制品质量监督检验测试中心曾对全国市场稻米进行安全性抽检。结果显示，稻米中超标最严重的重金属是铅，超标率28.4%,其次就是镉，超标率10.3%. 五年之后的2007年，南京农业大学农业资源与生态环境研究所教授潘根兴和他的研究团队，在全国六个地区(华东、东北、华中、西南、华南和华北)县级以上市场随机采购大米样品91个，结果同样表明：10%左右的市售大米镉超标。 　　农作物中的重金属污染主要来源于农药和工业废水排放，在农业用水逐渐缺乏的今天，工业废水和生活污水富含氮、磷等营养物，且一定含量的重金属有利于农作物生长，因此在很多地区其成为补给农业用水的不二选择。 　　对于这样的风险，雀巢方面依然显得十分有信心。邸雪枫表示，雀巢米粉的原材料主要来自东北，是绿色无污染，远远低于国家规定的标准。雀巢对原料的供应商都有仔细且严格的筛选，对于大米更有特别的要求，指定了生产地块并定期检测和监控。中国经济网记者就此要求其提供相关检测和监控证明，但截至发稿前记者尚未接到回复。

近日，华大智造研发团队在Nature子刊Nature Machine Intelligence（IF=25.898）上在线发表了题为Contrastive learning enables rapid mapping to multimodal single-cell atlas of multimillion scale的研究成果。研究人员开发了一种基于对比学习的多模态单细胞算法工具——Concerto (协奏曲)。“协奏曲”的命名， 既包含了“对比学习建模细胞表征”的英文首字母，又暗含了组织器官中不同类型、不同状态的细胞协同发挥作用之意。该算法通过自监督训练的方式，可快速对千万级无标注的单细胞多组学数据进行建模，得到的细胞表征（cell embedding）可以用于自动注释、多模态整合、聚类、跨批次整合、参考映射注释等下游应用。Concerto在各项任务中都展现了优异的性能，进一步丰富了单细胞大数据领域的算法工具。研究背景单细胞多组学工具在解析细胞多样性的研究中发挥着至关重要的作用，可绘制单细胞水平的多组学图谱，进而从多模态角度揭示细胞功能或状态的异质性。百万甚至千万级别的单细胞多组学大数据需要通过智能高效的计算工具助力科学发现，定义细胞类型和状态。同时，已发表的大量未经人工注释或者注释颗粒度不够精细的数据集本身也是宝贵的资源，若加以有效利用，可以帮助快速解读新产生的数据集。目前主流的单细胞数据分析工具大多依赖于统计学特征选择（如高可变基因）和线性降维方法（如主成分分析PCA[1]）来提取关键信息，但该预处理方法可能会造成信息量丢失。此外，单细胞数据集不可避免地存在不同程度的批次效应，在数据整合的过程中需要在保留每个样本包含的细微生物学状态差异前提下完成批次效应的适度去除。随着单细胞大数据时代的到来，亟需可快速构建千万级别单细胞多模态图谱并可实现映射注释的算法。华大智造自主开发的Concerto算法，采用人工智能领域新兴的对比自监督学习框架并进行优化适配，以应用在海量单细胞组学数据的建模中。何谓对比学习？简而言之，就是构造一个直观简洁的学习任务，让机器去对比和区分哪些样本与哪些样本相似，哪些样本与哪些样本不相似，从而学习到每个样本蕴含的高阶特征。这就好比是试图理解世界的婴儿，即使还未建立起认知世界的知识框架，也可能会意识到，相比于“史努比”，“加菲猫”和“黑猫警长”长得更像。婴儿通过比较不同物体之间的异同，或许可以学习到这些物体最重要的特征。对比学习示意图相比于传统的监督学习，在自监督学习中，机器学习的标签来自于样本自身。在真实世界中，有标签或者说有高质量标签的数据集是稀缺的，通过对比学习这样的自监督训练框架，可以很好地利用大量真实世界未注释的数据集。在机器视觉领域，Google和Meta近年来相继提出多种对比自监督学习算法，包括SimCLR[2]、 MoCo[3]等。在ImageNet分类基准测试中，最新的自监督算法甚至能优于有监督的基线方法。正如图灵奖得主Yann LeCun所预测，自监督学习是AI的未来，它就像人一样自觉观察数据，可能使AI产生类人的推理能力。在生物学领域，通过新兴的单细胞、时空组学工具获得的全新数据集，大大拓展了人类对于复杂生物系统的认知，这些数据还有大量未被人类标记或仅仅是依赖于已有知识进行注释。借鉴机器学习领域中不依赖标签数据的智能建模思想，以无偏的方式去利用好这些全新的单细胞数据，可以帮助科学家发现新的细胞类型、细胞状态，进而重新定义细胞类型。华大智造团队通过构造对比学习任务，让每个细胞自己跟自己“学习”，类似的细胞离得更近，不类似的细胞离得更远，从而实现对千万级别单细胞数据的快速建模。基于华大智造自主研发的便携、易用、经济友好的DNBelab C4单细胞建库平台，结合GPU的使用，利用Concerto构建千万级别的单细胞参考集仅需1.5h，快速注释5万个细胞仅需8s。同时，该模型可以整合不同模态、不同批次、不同测序平台和不同单细胞建库的方法。值得一提的是，Concerto的对比学习架构可以有效支持将一个细胞的所有基因作为输入建模，避免了直接降维过程中的信息丢失，同时该优势对于跨数据集的迁移注释至关重要，可以更好地扩展跨数据集间可利用的交集基因信息。华大智造DNBelab C4 Concerto模型架构具体而言，研究团队对每个细胞通过非对称的“双塔”蒸馏模型框架，并借鉴自然语言处理技术中的隐空间Dropout策略[4]，得到一个细胞的两个不同表征（cell embedding）并使其互为正样本，而与其他细胞则互为负样本。通过对比学习在超球面空间[5]上将正样本拉近，负样本推开，从而学习到高质量的细胞表征（图1a）。经过Concerto训练好的细胞表征，可以在zero-shot或者few-shot的场景下应用于多种下游分析任务（图1c）。图1 Concerto模型的结构示意图Concerto整合单细胞多模态数据在RNA和蛋白同时测序的人类外周血单核细胞数据集中（PBMC160K），作者利用Concerto进行多模态数据整合，作者发现：细胞的不同模态信息反应了之前科学家定义的不同细胞分类的颗粒度和类型。例如：CD4 T细胞和CD8 T细胞在只用RNA模态的情况下，不能很好地区分，需要加上蛋白的信息；而如果只用蛋白的模态，单核细胞monocytes和树突状DC细胞不能很好地分开，需要加上RNA的信息（图2）。Concerto在整合了RNA和蛋白质两个模态后，学到了更好的细胞表征：细胞大类和存在细微生物差异的细胞亚群都被很好地区分，而且也很好地捕捉到了细胞发育的轨迹。如CD8 T细胞谱系，可以看到CD8 naïve — CD8 TCM — CD8 TEM的轨迹，并且可以通过高维超球面空间到二维的映射看出，杀伤性的T细胞和NK细胞的距离更近，说明Concerto学习到的映射空间可以将功能接近的细胞互相靠近。图2 Concerto在RNA、蛋白、RNA+蛋白三种设置下学到的细胞表征在迁移注释任务的表现在公开的胰岛细胞数据集上（HP）迁移注释任务中，与目前主流单细胞迁移注释算法比较，Concerto准确率最高（图3），超过了纽约基因组中心Rahul Satija团队开发的Seurat V4[6]、德国亥姆霍兹慕尼黑中心Fabian Theis团队开发的scArches[7]以及Broad研究所Soumya Raychaudhuri团队开发的Symphony[8]。人类胰岛数据集（HP）包括5种单细胞测序方法得到的数据，Concerto整合4种技术构建了一个参考空间，在这个过程中没有用到任何标签信息，只是“each cell learns from itself”。然后把待注释的数据投射到这个参考空间，每个待注释的细胞都可以“找到”在参考空间里和它最像的k个参考细胞，最后只需要综合这k个参考细胞的信息就可以为待注释细胞打上注释。另外，Concerto除了可以跨技术平台进行迁移注释，也可以跨物种进行迁移注释。图3右展示了Concerto利用HP数据构建参考空间，对鼠胰岛（MP）细胞进行注释的性能。图3 胰岛数据集上迁移注释性能比较，华大智造Concerto模型准确率超过现有方法就像序列比对工具BLAST 将生物序列数据比对到参考基因组的功能一样，将新产出的包含不同样本、研究、疾病状态的单细胞数据集，映射到复杂的、数百万细胞的参考图谱上，可以实现快速识别相关的细胞状态和表型，此种方法将成为单细胞数据分析的全新范式。本研究另一亮点在于，利用现有已注释数据构建大型的细胞图谱作为参考（Reference），新的数据作为查询（query），可以直接在Reference上“查找”最相近的“已知“细胞，这样我们就可以知道query细胞的性质了。构建百万级别免疫细胞参考图谱，对新冠数据进行快速注释在COVID-19研究中，研究人员将华大智造DNBelab C4产出的新冠病人外周血单核细胞（PBMC）数据与其他研究小组已发表的通过其他平台所采集的数据进行整合，构建了大型新冠病人外周血免疫细胞参考图谱，涵盖了健康人及轻型、重型COVID-19患者，并针对查询数据集进行快速注释，发现不同感染状态差异的免疫学信号。由于在参考数据中存在与查询数据类似的与疾病相关的细胞状态，所以Concerto可以快速将查询新冠数据集映射到参考图谱上。Schulte-Schrepping等人[9]的研究主要针对髓系细胞，如单核细胞monocytes和中性粒细胞neutrophils在不同感染状态下的差异。通过参考映射的快速注释，复现了该数据集的淋系细胞与其他新冠研究里的一致信号，如Concerto注释了稀有细胞亚群proliferative-exhausted CD8 T，与Su[10]等人的研究一致。此前，深圳华大生命科学研究院刘龙奇团队联合中国疾控中心等机构科学家利用华大智造C4单细胞平台进行了大规模的新冠研究[11]，注释出了activated CD4 T细胞，并发现这种细胞的丰度会在患者体内上调。此次，利用Concerto构建的新冠参考数据集包含了这种细胞类型，也成功在Schulte-Schrepping的数据集中注释出activated CD4 T细胞，同时发现Schulte-Schrepping数据集中新冠患者的activated CD4 T细胞差异高表达CD2AP基因，也与此前华大研究院等人的发现一致。通过此项研究也证明，华大智造C4平台产出的数据可以和其他平台适配。将来科研人员可以利用Concerto构建整合不同单细胞数据产出平台的大型参考数据集，用以对新产出的数据进行快速注释。图4 将健康人与COVID-19患者整合的参考数据集对查询数据集进行迁移注释华大智造高级副总裁倪鸣博士表示：“单细胞组学的研究已进入高通量、大数据、多模态的研究阶段，此次基于对比学习的最新人工智能方法Concerto 用于单细胞参考数据集映射注释成果的发布，丰富了华大智造此前自主研发DNBelab C4单细胞平台，实现了单细胞组学领域硬件与软件的深度结合，相信未来会在单细胞领域赋能更多用户。”单细胞多组学时代的来临，使得重新定义细胞成为可能。华大集团联合创始人、董事长汪建曾提出 “六定”：定性、定量、定位、定时、定向、定标。未来，华大智造将继续开发用于单细胞多组学研究的硬件、试剂、软件工具，支持科研人员提高研究效率、拓展探索的边界。