自然·方法：Multi-Embed——给病理形态与分子图谱造一个“共同语言空间”

导语

一张病理切片，能否读出隐藏在细胞中的分子密码？清华大学李梢教授团队提出的 Multi-Embed 模型，通过自监督对比学习，将病理影像与基因表达、蛋白丰度等多组学信息映射到统一的表征空间，不仅提升了跨模态预测的准确性，还揭示了影像与分子特征之间潜在的网络模块化关系。从免疫结构识别、癌变轨迹追踪到预后评估，这项2026年4月24日发表于《自然·方法》的研究为低成本挖掘肿瘤分子信息提供了新路径，也为理解疾病宏观表型与微观机制之间的联系打开了新的窗口。

关键词：多模态学习、病理影像、基因表达、多组学整合、自监督学习、可解释人工智能、肿瘤精准医学

集智编辑团队丨作者

论文题目：Systematically decoding pathological morphologies and molecular profiles with unified multimodal embedding 论文链接：https://www.nature.com/articles/s41592-026-03070-5 发表期刊：Nature Methods 发表时间：2026 年 4月 24 日

一个问题：照片与基因，隔着两种语言

如果只看一张病理切片的照片，就能读出病人的基因表达谱，你信吗？病理切片是癌症诊断的金标准，一张照片的成本只是基因测序的零头；而测序动辄成千上万。一个是宏观的"长相"，一个是微观的"分子密码"，两者像说着完全不同的语言。过去的模型要么能翻译却讲不清道理，要么有道理却换个医院的数据就失灵——性能和可解释性，鱼和熊掌难以兼得。

一个方法：造一个“共同的翻译空间”

清华大学李梢教授团队把这个想法变成了现实。2026 年 4 月，自动化系副研究员张鹏和博士生高超飞作为共同第一作者，在《自然·方法》上发表论文，提出了名叫 Multi-Embed 的统一多模态嵌入模型。它的思路，是给两种语言造一个"共同的翻译空间"。模型采用自监督对比学习：来自同一份样本的形态特征和分子特征，在空间里被拉近；不同样本的则被推远。

就像培养一名翻译官：不靠词典硬背，而是靠海量对照阅读，自己悟出对应关系。

更关键的是，团队揭示了一条底层规律：宏观影像和微观分子在这个统一空间里，会自发形成"网络模块化"的关联结构。把这条规律编码进模型，可解释性就从设计里自然长了出来——这正是它解决"性能与可解释性不可兼得"两难的钥匙。

图 1：Multi-Embed 方法框架与基准分析。

一组数字：效果有多强

团队系统解析了公共数据库中四万五千人次的临床信息、病理影像与多组学数据，覆盖十二种癌症。跨层次整合精度比此前最优模型提升 1.64 倍。它不仅能从切片照片反推近两万个基因的表达，还能同步推断 DNA 甲基化、蛋白丰度和基因突变——同一张切片，一次性读出多层分子信息，并通过了 CPTAC独立队列、10x Visium / Xenium / Visium HD 等多种空间组学平台的外部验证。

三个应用：从预警到预后

• 发现"漏网"的免疫结构：在三阴性乳腺癌中识别三级淋巴结构（TLS，一种与抗癌免疫密切相关的免疫组织），甚至发现了病理医生漏标的新区域，并得到专家确认。

• 画出癌变的时空轨迹：在胃癌研究中描绘从慢性胃炎到极早期胃癌的演变路径，为癌症预警提供新的影像—分子标志物。

• 预后风险分层：在十二种癌症上挖掘的影像—分子多模态标志物，通过了外部独立临床数据验证；还能预测肿瘤对药物治疗的响应。

由于病理图像恰好是宏观表型与微观分子的交汇点，这套方法还为阐明中医望诊的科学内涵打开了一扇门。

图2：基于 Multi-Embed 的影像—分子多模态融合标志物发现

一点冷静：局限与展望

当然，它也有局限：模型依赖高质量的影像—分子配对数据，数据规模受限时性能会打折扣。未来通过引入更大规模多模态数据和更强的预训练策略，并接入舌像、内镜等更多影像类型，这套"翻译系统"或许能读懂更多疾病的语言。

目前代码已在 GitHub 开源（github.com/Epoch1128/Multi-Embed），团队还搭建了在线交互平台（multiembed.qhdyr.net），方便研究者直接体验。

免疫复杂性读书会

免疫现象是思考生命复杂性的理想场景。免疫系统能在数十亿种可能的病原体中识别威胁并将之消除，也能在机体遭遇损伤时协调资源启动修复。

如何在AI驱动的复杂科学世纪，迭代我们对免疫现象的认知？这是我们组织这场读书会的初衷。

由秦健勇、敖平、雷锦志、张晓实及秦晓玉共同发起，试图基于新生物学2009白皮书从多个维度——物理、数学、AI、临床——实现对免疫现象的迭代理解。

详情请见：

1.

2.

3.

4.

5.

6.

7.