近年来，空间蛋白组学技术使研究人员能够在完整组织中同时观测数十至上百种蛋白的分布，从而揭示肿瘤微环境中的细胞互作、治疗抵抗机制及潜在生物标志物。然而，随着数据规模激增，不同研究在蛋白标记组合、实验流程及成像平台上的差异，导致数据如同使用不同语言绘制的地图，难以互通。传统分析方法受限于单一实验体系，难以实现跨队列知识迁移或发现普适性癌症标志物。
针对这一痛点，洛桑联邦理工学院、苏黎世大学等机构的研究团队于 2026 年 8 月 5 日在《Nature》发表论文，提出 VirTues（Virtual Tissues）——一种面向空间蛋白组学的基础模型。该模型旨在打破数据壁垒，将不同来源的组织数据纳入统一的可理解、可比较的人工智能空间。
论文链接：https://www.nature.com/articles/s41586-026-10884-y
一双理解组织结构的眼睛
解决数据碎片化是让 AI 理解复杂生物组织的首要任务。VirTues 建立了一套适应不同蛋白标记组合的编码机制：通过引入蛋白序列信息并利用蛋白语言模型（PLM）生成标记表示，使不同实验中的蛋白标记能映射至统一空间，不再依赖固定的标记面板。
在架构设计上，VirTues 基于视觉 Transformer 框架进行改良。针对传统模型在处理多通道空间生物数据时计算成本高昂且难以捕捉蛋白间生物学联系的缺陷，研究团队设计了因子化 Transformer 结构。该结构将注意力机制拆分为“标记注意力”与“空间注意力”：前者解析蛋白间的相互关系，后者聚焦其在组织中的空间排列。
此外，VirTues 创新性地将蛋白分子信息与空间图像信息相结合。模型不仅关注像素特征，更融合蛋白自身的分子属性，从而具备处理训练阶段未见过的标记组合的能力，实现真正的跨数据集迁移。
为训练该模型，团队构建了目前规模最大的开放空间蛋白组学数据资源之一：核心数据集涵盖 15 个成像质谱（IMC）队列，涉及 3102 名患者和 146 种蛋白标记；扩展数据集则覆盖 32 个队列、超 5100 名患者及 239 种标记，并整合了 CODEX、Orion 和 MIBI 等多种成像技术。
图 1：VirTues 平台概述。
最终，VirTues 能够生成从分子、细胞、细胞群落到完整组织等多尺度的表征，为细胞识别、组织分析、疾病预测及生物标志物发现奠定统一基础。
补全看不见的组织信息
与传统方法仅在既有信息中寻解不同，VirTues 致力于学习组织背后的规律并推测缺失信息。研究团队通过三种不同难度的遮挡任务验证模型对组织结构的理解能力：随机遮挡部分区域和蛋白信息、完全隐藏某一种蛋白标记、以及同时隐藏某空间区域内的所有蛋白信号。
测试结果显示，在随机遮挡任务中，模型重建结果与真实数据的平均 Pearson 相关系数达 0.800±0.130，显著优于基于平均强度预测的方法。即便整个蛋白通道被隐藏，VirTues 仍能依据其他蛋白间的关联恢复目标蛋白表达模式，平均相关系数为 0.700±0.173。
图 2：VirTues 学习组织结构和标记关系。
在零样本测试中，面对完全未参与训练且包含新蛋白标记的肺癌数据集，VirTues 依然展现出强大的预测能力。对于训练见过的标记，零样本重建平均相关系数达 0.667；对于新标记，虽性能有所下降，但仍能有效利用蛋白间的生物学关联进行推断。
更重要的是，VirTues 展现了基础模型核心的跨数据迁移能力。研究发现，使用全量数据集训练的模型在稀有免疫细胞识别上表现显著提升：B 细胞提升 26.4%，髓系细胞提升 34.3%，自然杀伤细胞提升 109.7%，T 细胞提升 30.2%。
图 3：VirTues 在单细胞尺度上切割并注释组织。
严格的零样本测试表明，即使不使用目标数据集进行训练，VirTues 的细胞分类性能依然稳定。这意味着，经过大量癌症组织数据训练的 AI 模型，能像经验丰富的病理专家一样，将知识无缝迁移至新的患者样本中。
预测患者未来
VirTues 的终极目标不仅是图像分析，更是挖掘辅助临床决策的关键信息。它能将细胞层面的空间信息整合为患者组织特征，在风险分层、诊断预测等直接临床任务中展现巨大优势。
图 4：VirTues 的临床应用：风险分层、诊断预测及通过相似性提取组织。
当然，VirTues 距离全面临床应用仍需更多验证。医学 AI 的落地不仅需要高准确率，还需克服数据标准化、实验流程差异及临床应用可靠性等多重挑战。