知识卡片：面向细胞扰动表示学习的大规模自监督形态学画像评测

一句话结论

在 JUMP–CP 全量无标注化合物图像上预训练的自监督基础模型（SSL FMs）可绕过细胞分割与手工特征工程，在化合物重复检索与作用机制（MoA）检索上优于经典 CellProfiler，其中对比式 DINO 与混合式 DINOv2 稳定强于掩码生成式模型。

事件概述或研究问题

• 研究对高内涵成像（HCI）/Cell Painting 形态学画像中的自监督学习方法做了大规模、系统性的横向评测，回答“对比式、掩码生成式与混合式三类 SSL 学习机制，哪一种更适合细胞扰动表示”这个问题。
• 作者指出，此前缺乏覆盖三类机制的 HCI 大规模基准；已有工作只在约 1 万化合物的 JUMP–CP 子集上比较过 SimCLR、DINO 与 MAE。
• 本文把预训练规模扩大到 JUMP–CP 全部无标注化学扰动，并在留出集与三个独立公开数据集上评测泛化性。

方法/产品要点

• 预训练数据：JUMP–CP 全部无标注化学扰动，119,876 个化合物、约 177 万张图像、7 个实验室、87 个实验批次（相比前人工作大幅扩容）。
• 评测的 SSL 方法与机制：
  • 对比式：DINO
  • 掩码生成式：MAE、iTPN（后者用分层视觉 Transformer HiViT，支持多尺度特征学习）
  • 混合式：DINOv2（结合 DINO 与 iBOT 的对比与掩码机制）
• 流程特点：直接在图像级操作，不做细胞分割、不做手工特征工程；预训练后将模型冻结作为特征提取器，下游做零样本化合物检索与少样本 MoA 预测，并附可解释性模块。
• 评测集：
  • 留出集 JUMP–Target2 化合物集（302 个化合物、160 个基因靶点、8 个来源），覆盖全部可用来源与实验批次。
  • 三个独立公开数据集：BBBC021、RxRx1、EU-OPENSCREEN Bioactives，涵盖 MCF-7、HUVEC、RPE、HepG2 等细胞类型与不同荧光标记。
• 附加分析：训练策略与批次校正方法对表示质量的影响。

主要结果或产业意义

• 最优 SSL 模型在留出 JUMP–Target2 集的化合物重复检索上优于 CellProfiler（302 个标注化合物，P ≤ 0.001）。
• DINO 与 DINOv2 跨多种扰动与细胞类型泛化；在 EU-OPENSCREEN Bioactives（2,464 个化合物）的 MoA 检索上，站点平均 mAP 相对 CellProfiler 提升 31–37%。
• 在所有基准上，对比式/混合式模型一致优于掩码生成式模型。
• 研究同时发布了预训练基础模型，用于加速药物发现中的表型画像分析。

为什么重要

• 为 HCI 形态学画像提供了目前规模最大的三类 SSL 机制横向基准，补上了“对比 vs 生成 vs 混合”缺少系统比较的空白。
• 证明无需分割与特征工程即可获得优于经典流程的表示，对通量高、标注稀疏的 Cell Painting 场景具有直接的方法选择指导意义。
• 与既有卡片的关系：本卡片聚焦细胞表型画像领域的 SSL 评测与预训练模型发布；此前“脑 MRI 表面—体积自监督表示学习”卡片关注神经影像遗传发现，“GhostPoint”卡片关注 LiDAR 遮挡表示——三者同属自监督表示学习在不同模态的落地，本条增量在于把对比式/掩码式/混合式机制的系统比较引入高通量细胞成像，并给出可复用的预训练模型。

局限与不确定性

• 评测集中在 JUMP–CP 及三个公开数据集，其他成像平台、染色方案与扰动类型的泛化性待核实。
• 下游任务以化合物重复检索与 MoA 检索为主，对毒性预测、 hit 发现等其他药物发现任务的增益待核实。
• 训练策略与批次校正的具体结论、可解释性模块的细节，材料仅给出概要，具体数值与设置待核实。
• 预训练模型的具体发布形式、许可与使用门槛待核实。

可用于图书/PPT/简报的角度

• “不用分割也能做表型画像”：从 CellProfiler 手工特征到 SSL 基础模型的范式迁移。
• 三类自监督机制（对比式、掩码生成式、混合式）在同一领域内的大规模对照：为什么对比/混合在此类任务上更稳。
• 数据规模效应：从 1 万到近 12 万化合物的预训练扩容如何支撑泛化评测。
• 开放科学与联盟数据：JUMP–CP consortium 的 100 TB 级数据如何成为方法学基准的底座。
• 药物发现流程中的“零样本/少样本”表型检索：MoA 检索 31–37% 提升的产业含义。

原始材料

• 标题：Advancing morphological profiling with self-supervised learning through comparative insights into representation learning of cellular perturbations
• 期刊：Nature Methods（Open access），Published online: 29 October 2026
• DOI：10.1038/s41592-026-03270-z
• URL：https://www.nature.com/articles/s41592-026-03270-z
• 作者：Walid M. Abdelmoula, Tomé Albuquerque, Steffen Jaensch, Pushpak Pati, Michiel Van Dyck, Samantha J. Allen, Litao Zhang, Tommaso Mansi, Rui Liao 等
• 关键词（英文）：self-supervised learning；foundation models；morphological profiling；cell painting；high-content imaging；representation learning；mechanism of action