这一宏伟计划已经揭示了从器官的诞生到炎症背后的原因
一个成年人的身体由大约 37 万亿个细胞构成。科学家过去认为，这些细胞大致分为 220 种类型。这个数字是经过几十年的努力，在显微镜下观察化学染色后的组织切片得出的，展示了这些细胞如何分工协作以维持人体正常运转。
但这种认知仅仅是冰山一角。如今，技术让我们可以直接“解剖”每一个细胞，分析其内部机制。科学家通过提取细胞内的信使 RNA（mRNA）分子，能够看到哪些基因处于活跃状态，进而揭示细胞独特的“特性”。让人惊讶的是，那些在显微镜下看起来一模一样的细胞，内部其实可能完全不同。因此，细胞类型的数量也从原来的 220 上升到现在的 5000 多种。
这场认识上的革命得益于 2016 年启动的“人类细胞图谱 (Human Cell Atlas, HCA)”计划。这是一个全球性的科研联盟，吸引了来自 102 个国家、190 个实验室的 3600 多名科学家参与。与其他专注于特定器官或组织的研究项目不同，HCA 的目标极其宏伟：绘制一个全面的细胞图谱，囊括一生中所有健康和患病的组织细胞，并标注它们的具体位置，甚至扩展到实验室创造的“类器官”——通过培养干细胞制造的微型器官模型。
HCA 项目由剑桥大学的 Sarah Teichmann 和生物制药公司 Genentech 的 Aviv Regev 共同发起。他们计划在明年发布第一版图谱的完整草案。目前，这一研究的最新成果已经作为多篇论文发表在《Nature》及其相关期刊上。
Teichmann 博士和 Regev 博士解释道，HCA 项目实际上提供了两种类型的图谱。一种类似于地理学家的地图，展示每种细胞类型在人体内的四维位置（加入时间维度后，涵盖了不同年龄段的变化）。另一种则更为复杂，叫做“流形图”(manifold chart)。这种图谱在数学上用来描述多维超空间，而在 HCA 中，维度指的是细胞的分子特性，比如特定 mRNA 分子的分布特征。通过这张图，科学家可以直观地比较不同细胞类型之间的相似与差异，研究它们如何在分子水平上关联。
没有细胞会被遗忘
没有细胞会被遗忘
HCA 的科研理念不仅体现在科学深度上，也体现在全球合作的广度上。项目启动时，发起人就明确表示，不能仅仅局限于科学研究发达的地区，比如欧美或亚洲的部分国家，而是要尽可能覆盖全球六大洲。这一全球化的视角，已经帮助研究人员发现了有关免疫反应和乳腺癌易感性的区域性差异，揭示了不同地域人群细胞构成的独特性。
本周发表的研究论文，充分展示了这项计划的研究深度，涵盖了胎盘发育、骨骼的胚胎生成、肠道炎症的机制，以及胸腺——一个专门生成 T 淋巴细胞（艾滋病毒攻击的目标）的器官——的形成过程。
研究已经带来了重要突破。例如，科学家发现胎盘中快速生长的细胞在机制上与癌症细胞有相似之处。这种相似性早就有人提出，但 HCA 的数据提供了直接证据。研究还确定了与骨骼和软骨细胞相关的特定基因，这些基因在生命早期负责组织发育，但也可能是晚年关节炎的潜在原因。而通过对比健康和患病的肠道样本，科学家发现一种新机制：肠道细胞意外发育成类似胃细胞的类型可能是引发炎症的原因。胸腺研究也通过标准化图谱提供了全新的见解。
类器官：人造大脑的伦理问题
这些论文中，关于类器官的研究无疑是最引人注目的。科学家们利用干细胞，培养出由人脑细胞组成的“迷你大脑”。虽然这些类器官的直径目前只有 3-4 毫米，因为缺乏血液供应，它们不可能发展出任何形式的意识。但这一技术引发了伦理学家的担忧：如果类器官进一步成长，会不会产生某种意识？
尽管如此，类器官为研究人脑提供了一个绝佳工具。科学家可以研究活体人脑组织，而无需从人体中切除任何组织。如果能够更准确地预测这些类器官内生成的神经元类型，类器官的研究潜力将更大——毕竟，人脑中神经元类型繁多，每一种都有独特的功能。
HCA 的数据正为这类研究提供支持。一项由苏黎世联邦理工学院 Barbara Treutlein 博士主导的研究，分析了 36 个类器官的 mRNA 数据，这些类器官是通过 26 种不同实验方法生成的。研究团队不仅明确了每种类器官内生成的神经元类型，还评估了它们与天然神经元的相似程度。基于这些数据，他们绘制了一张流形图，详细对比了不同实验方法的优劣，并为未来的研究提供了指导。
迈向未来：数字人体的愿景
HCA 的最终目标并不仅仅是绘制一个静态的细胞图谱，而是将其打造成一个动态的“人体操作手册”。项目背后的人工智能 (AI) 技术正在加速这一转变。作为计算生物学的专家，Teichmann 和 Regev 博士早在 AI 热潮前就使用基础模型（Foundation Models）来分析海量数据。
与传统 AI 模型不同，HCA 的基础模型不仅处理文本数据，还分析细胞数据。这些模型可以自动标注细胞，比较不同样本中的细胞类型，甚至预测细胞的演化过程或发现全新的细胞类型。更重要的是，AI 的速度和准确性远超人类研究者。
这种技术已经在实际应用中展现了潜力。例如，制药公司可以利用 HCA 的数据模拟药物的潜在副作用，甚至预测药物对新靶点的效果。
展望未来，科学家希望这一研究能够为“数字人体”的创建铺平道路。这个数字人体将整合蛋白质功能的 AI 模型（如 AlphaFold）和 HCA 的数据，成为科学家了解人体运行机制的一个全新工具。尽管实现这一目标还有很长的路要走，但它正从一个愿景逐步走向现实。
参考文献：https://www.economist.com/science-and-technology/2024/11/20/scientists-are-building-a-catalogue-of-every-type-of-cell-in-our-bodies