近日，上海交通大学自然科学研究院和物理与天文学院徐恒课题组在《Nature Communications》杂志发表题为“Deep learning-based high-resolution time inference for deciphering dynamic gene regulation from fixed embryos”的研究论文。该工作开发了一种基于深度学习的时间推断方法，首次在无需活体成像的条件下实现了对果蝇早期胚胎发育过程1分钟分辨率的精确刻画，从而在未经基因修饰的野生型胚胎中揭示了关键分节基因的动态调控机制。

研究背景

胚胎发育依赖于基因调控网络在时空上的动态调控。要揭示这些过程，需要在单细胞水平上捕捉多种分子随时间的动态变化。传统的活体成像需通过基因修饰标记分子并实时追踪，虽具高时空分辨率，但难以在不干扰内源表达的情况下同时观测多种分子。相比之下，固定胚胎成像无需基因修饰且兼容高通量测量，且具有更高的灵敏度与空间分辨率，但每个胚胎仅能提供一个时间点的信息，因此必须依靠多个胚胎的精确时间对齐来重建动态过程。然而，现有的胚胎分期方法通常依赖于人工主观判断，缺乏分钟级别的定量时间精度，难以满足解析胚胎发育中快速动态调控过程的需求。

研究方法与结果

在本工作中，研究人员以早期果蝇胚胎为模型，开发了一种多尺度集成的深度学习回归方法，能够根据细胞核形态精确推断胚胎所处发育时间，时间分辨率可达1分钟(图1A-B)。该方法首先以转基因胚胎的细胞核组蛋白时间序列图像为初始数据集，采用三组独立卷积神经网络（CNN）构建集成学习策略，提取了多个空间尺度上的细胞核形态特征，从而建立了时间推断模型(图1A)。随后，研究人员通过中继学习和图像缩放校正，将模型推广至任意品系的固定胚胎成像数据，包括未经基因修饰的野生型果蝇胚胎，从而实现了对内源性分节基因转录动态过程的精确重建(图1C)。

在开发高分辨率时间推断方法后，研究人员进一步将其与单细胞、单分子荧光成像技术相结合，成功重构了Krüppel(Kr)基因的表达及其转录因子Bicoid(Bcd)和Hunchback(Hb)的蛋白浓度的定量时空图谱(图1D)，并结合含时热力学模型定量解析了三者间的动态调控关系。结果显示，母体Bcd与Hb的组合调控足以驱动早期Kr表达模式：Bcd与Hb各自分子内部存在协同作用，但二者之间相互独立，其调控效应以乘法方式整合，驱动Kr转录。在群体水平分析之外，研究人员进一步从微观动力学角度切入，聚焦于hunchback(hb)基因的转录调控。随机动力学建模表明，hb转录遵循由Bcd结合驱动的非稳态爆发动力学，且仅在核周期中期基因可激活的特定时间窗口内发生(图1E)。

图1.(A)多尺度集成的时间推断方法示意图。(B)时间推断模型的性能评估。(C)基于固定胚胎数据的hb基因动态表达重构，与活体测量结果高度一致。(D)早期果蝇胚胎中核内Bcd浓度、Hb浓度和Kr转录的时空分布。(E)hb基因动态转录调控的分子机制，包括可激活基因位点比例的时间变化(上)和基因激活速率的时空分布(下)。

研究意义

本研究提出了一种突破性的通用框架，无需活体成像即可实现动态过程的定量解析，从而能够应用于非转基因生物体系的复杂时空研究。该方法不仅深化了对果蝇胚胎发育中基因调控机制的理解，也为探索其他复杂生命过程提供了新的思路与工具。

论文作者

上海交通大学物理与天文学院博士研究生鲍洄含为论文第一作者，自然科学研究院和物理与天文学院徐恒副教授为通讯作者，物理与天文学院博士生张士贺、余之阳为文章的合作作者。本研究得到了国家自然科学基金、科技部重点研发计划以及上海市自然科学基金的资助。

论文链接：https://www.nature.com/articles/s41467-025-61907-7