美国加州大学旧金山分校与艾伦研究所团队联合开发出一种名为CellTransformer的AI模型，成功绘制出目前最精细的小鼠脑图，共包含1300个脑区及亚区。这一突破性成果以前所未有的精细度揭示了大脑结构，使科学家能够将功能、行为和疾病状态与更小、更具体的细胞区域相对应，为探索大脑工作机制开辟了新方向。相关研究成果已发表于新一期《自然·通讯》杂志。

技术原理：Transformer架构的跨界应用

CellTransformer模型的核心创新在于其采用的Transformer架构，这与ChatGPT等大语言模型的技术原理相同。研究人员表示，Transformer模型原本擅长理解自然语言中词语之间的上下文关系，而CellTransformer则将其应用于分析空间中相邻细胞之间的关系。该模型能够根据一个细胞的"邻里结构"来预测其分子特性，从而构建出精细的大脑组织图谱。这种基于细胞空间关系分析的方法，实现了从处理语言符号到解析生物结构的跨越。

数据驱动的脑图绘制方法

与以往主要依据细胞类型划分的大脑图谱不同，这一新成果完全依托数据生成，边界由细胞和分子特征自动界定，而非依赖人工经验判断。凭借对1300个脑区及亚区的精细划分，这张图谱成为迄今动物脑中最精确、最复杂的数据驱动型图谱之一。研究表明，CellTransformer不仅能准确再现海马体等已知脑区，还能在理解不足的区域（如中脑网状核）中发现新的、更细分的亚区。

从宏观到微观的认知飞跃

团队成员形象地比喻，这一突破就像从一张只标出大洲和国家的地图，变成了一张能看清城市细节的地图。这种全新的脑区划分完全基于数据驱动，揭示了大量以往未知的区域。根据已有研究，这些新发现的区域很可能对应着尚未探索的脑功能，为理解大脑工作机制提供了全新视角。

广泛的应用前景

研究团队指出，CellTransformer的潜力远超神经科学领域。该算法的组织通用性使其可应用于其他器官系统甚至癌组织分析，借助空间转录组学数据揭示健康与疾病中的生物机制。这一技术有望为药物开发和疾病治疗提供新工具，特别是在精准医疗和个性化治疗方面具有重要价值。

这项研究成果标志着AI与生命科学的深度融合进入新阶段，为理解复杂生物系统提供了强大工具。随着CellTransformer等AI模型的进一步发展，科学家将能更深入地探索大脑奥秘，推动基础研究向临床应用的转化。