2026年5月21日，由清华大学基础医学院主办的生物医学前沿系列讲座（Frontier of Biomedical Seminar）2026年度第10期在医学科学楼B323顺利举行。本期讲座特邀麦吉尔大学（McGill University）计算机科学系终身副教授、加拿大机器学习和基因组学医疗健康领域研究讲座教授、Mila-魁北克人工智能研究所成员李岳（Yue Li），以“From cells to patients: Interpretable and Generative AI for Genomics and Healthcare”为题作学术报告，由基础医学院沈晓骅教授主持。

沈晓骅主持报告

本期报告中，李岳系统介绍了团队在基于深度学习和单细胞数据的可解释主题模型方面的开创性工作。他们针对单细胞多组学数据（涵盖转录组、染色质可及性和表面蛋白质等）的整合分析，开发了包括scE2TM、scConcept和InSTaPath在内的多种创新模型。他重点介绍了更新后的scE2TM模型，该模型通过嵌入聚类正则化方法，将每个主题约束为一个独立聚集基因簇的中心，从而能更有效地捕捉独特的生物学信息。团队利用scE2TM成功实现了模拟主题扰动，使对照细胞向受刺激状态的转录特征转变，真实再现了实验中的干扰素响应，并能够精准识别恶性主题以预测患者存活率。

李岳作报告

此外，李岳团队基于现有大语言模型开发出的scConcept创新性地将基因层面的重建任务替换为细胞层面的识别任务，将细胞主题作为“句子”输入到GPT架构中从而对细胞进行建模，实现了对靶点与药物关系的精准预测，为未来指导临床用药、改善患者预后提供了强有力的计算工具。

在空间转录组与组织学形态分析方面，李岳教授团队开发的InSTaPath模型通过向量量化技术，将从预训练组织学基础模型中提取的标记级嵌入转换为离散的“图像词”，以类似于基因表达的计数形式表征组织学形态。该模型不仅能预测空间图像上的主题分布、识别细胞类型和特征，还能在计算机层面模拟基因干扰分析，深刻揭示了基因程序与组织形态之间的内在联系。

为进一步赋能药物设计和患者治疗，李岳团队还开发了其他人工智能工具。其中，基于人工智能的SpeciMiR被用于预测miRNA的脱靶效应，旨在指导合成具有miRNA模板特征且具备靶向特异性的siRNA序列，从而助力基于RNA干扰（RNAi）的药物设计。针对患者的电子健康档案，团队开发了MixEHR和TrajGPT模型，用于药物使用轨迹和健康轨迹的预测，能够基于临床相关表型的历史记录对未知疾病进行前瞻性预测。

报告现场

本次讲座系统性展示了利用人工智能对细胞进行多维度建模的先进方法，深入剖析了当前研究手段的局限性与未来的改进思路，并全面介绍了大语言模型在医疗诊断和疾病预测领域的最新进展，极大地拓展了在场师生对人工智能在生物医学领域应用前景的认知。讲座最后的提问环节气氛活跃，与会师生围绕报告中的核心研究成果、实验技术细节及未来发展方向积极提问，与李岳教授展开了富有成效的学术交流。