这项研究探讨了细胞间通讯在维持人体组织发育与功能中的核心作用。作者详细分析了细胞如何通过直接接触或分泌信号因子来调节彼此的行为，从而维持内部环境的稳定。文中提出了一种基于机器学习算法的模型，用以解析包括空间位置、微环境及配体-受体强度在内的复杂交互因素。通过对基因表达和信号级联反应的研究，该成果揭示了不同细胞类型之间精密的调控网络。该研究由耶鲁大学的多学科团队协作完成，并发表于《自然-机器智能》期刊。这些发现为理解器官稳态和相关疾病的生物学机制提供了重要的理论支撑。
References:
- Xiao X, Zhang L, Zhao H, et al. Inferring spatial single-cell-level interactions through interpreting cell state and niche correlations learned by self-supervised graph transformer[J]. Nature Machine Intelligence, 2025: 1-17.
