细胞作为一个分子机器是地球生命体的基本组成单元，而细胞器是细胞内承担各种专有功能的元件，其中内体和溶酶体（统称内溶酶体，endolysosomes）承担物质运输、回收降解和信号传导等关键功能，其在细胞质中呈“走走停停”的复杂运动模式，相关运动功能失调与多种疾病的发生密切相关，但其运动调控机制长期未得到系统阐明。
近日，中国科学院自动化研究所多模态人工智能系统全国重点实验室计算生物学与机器智能（CBMI）团队采用基于深度学习的图像分析技术，首次系统解析了内溶酶体的动态模式及其局部环境特征，揭示了内质网（ER）的网格节点是调控内溶酶体运动模式切换的关键枢纽。这项研究展示了人工智能在解析细胞内复杂动态系统中的突破性优势，为理解细胞器间如何在空间上实现其专有功能的协调提供了全新视角。相关成果发表于《科学进展》（Science Advances）。
从“观察轨迹”到“理解机制”的飞跃
传统细胞动力学研究依赖人工标注和手动轨迹分析，难以应对数据的高通量及各种致病条件下内溶酶体运动的复杂性。AI深度学习不仅能自动重建数千条内溶酶体轨迹，还能提取其运动状态、空间分布与微环境特征，从而实现前所未有的动态全景图重建。
CBMI研究团队整合单粒子追踪、空间分布分析和内质网（ER）形态学分析，构建了全自动图像解析流程，实现了海量细胞器动态数据的多模态整合与精准解析，推动了研究从“观察运动”到“解析机制”的飞跃。相关成果将被集成于中国科学院部署的磐石科学基础大模型与磐石·数字细胞平台。
AI赋能生命科学核心发现：细胞骨架与内膜系统的协调机制
基于以上人工智能工具，研究者首次揭示了内质网（endoplasmic reticulum，ER）连接点作为细胞器动态调控“交通枢纽”的关键作用，发现内溶酶体在ER网络中呈现三种运动状态——全局快速移动、局部慢速移动与暂停。
研究显示，这些暂停事件常伴随内体-溶酶体瞬时互作及细胞器裂变，提示细胞的动态骨架与细胞器交通网络之间存在精细的信号耦合。
这项研究不仅凸显了人工智能在解析细胞复杂动态系统中无可替代的优势，也为从海量成像数据中提炼疾病相关机制性知识提供了全新方法，将加速生命科学研究向临床应用转化的进程。
中国科学院自动化研究所副研究员李文静为论文第一作者，杨戈研究员为论文通讯作者。主要合作者还包括中国科学院生物物理研究所胡俊杰研究员。该研究得到了国家自然科学基金重大研究计划、中国科学院基础与交叉前沿科研先导专项、中国国家重点研发计划以及中央高校基本科研业务费的资助。
论文信息：
Endoplasmic reticulum junctions serve as a platform for endosome-lysosome interactions through their stop-and-go motion switching，Science Advances，Volume 11,Issue 38，Sep 2025.
