暨南大学基础医学与公共卫生学院教授罗钧洪团队开发了基于变分自编码器深度学习框架的人工智能模型Multi-Insight for T cell(MIST)，scRNA-seqscTCR-seq数据的联合分析创造性地构建了一个紧密结合、可解释性强、适应性强的跨组数据分析框架。最近，相关成果在科学进步中公布(Science Advances)。

单独通信作者罗钧洪表示，该模型准确分析了T细胞的功能状态、复制扩展模式和抗原特异性，克服了当前方法在组学数据集成和生物学可解释性方面的局限性，通过单独的转录组、TCR序列和联合潜变量空间三层嵌入，为免疫系统的深入分析提供了强大的工具。

T细胞在各种生理和病理过程中起着重要作用，如肿瘤免疫、感染免疫和自身免疫性疾病，但其功能状态、转录特征和TCR分析仍面临挑战。MIST通过深入学习，结合生物学先验知识，准确分析TCR和T细胞的转录特征，并可用于探索T细胞的功能状态、亚群特征和免疫反应模式。该模型具有跨组学集成(单细胞转录组和免疫组库)、可解释性强(自然语言理解和自我注意机制)、使用简单灵活等特点。

在国家自然科学基金交叉系研究项目的支持下，该研究利用麻省理工学院分析了各种免疫研究场景(抗原特异性、肿瘤免疫治疗、病毒感染等)的数据集，阐述了该模型的应用范围和可解释性，并揭示了与肺癌免疫治疗和新冠肺炎重症感染相关的T细胞亚群。

据报道，MIST的成功开发为深入探索T细胞在免疫反应中的作用提供了强大的分析工具，有望在基础研究和临床转化中发挥重要作用。通过Github可以免费获得MIST：https://github.com/aapupu/MIST。