生命如何在细胞这个微小空间里，同时有序地进行成千上万种化学反应？关键在于一种名为“生物分子凝聚体”的精妙结构。它们像细胞内动态形成的、无膜的“功能小岛”，将不同的生化反应分隔开来，确保一切高效、有序地进行。然而，传统方法难以精确描绘这些结构的复杂性，更无法将其形态与内部具体的生化活动直接挂钩。
2026年6月4日，普林斯顿大学Clifford P. Brangwynne团队在Cell 在线发表题为Deep learning of functional perturbations from condensate morphology的研究论文，该研究开发出名为“Deep-Phase”的深度学习框架，如同为研究者装上了“智能显微镜”，能够直接从显微镜图像中，定量解码凝聚体结构的细微变化，并将其与底层分子机制精准关联，为理解生命调控和开发新药提供了前所未有的强大工具。
传统困境：只见“岛屿”，难窥“生态”
核仁是细胞核内最典型的凝聚体，它负责核糖体合成，自身又分为纤维中心、致密纤维组分和颗粒组分三个相区，如同一个结构精密的“核糖体生产车间”。传统研究主要通过测量其数量、大小、形状等简单特征来推测其功能状态。
但这就像只数清了一个岛屿上有几座山、几条河，却无法了解其内部的气候、生态和具体运作，信息量有限且容易遗漏关键变化。尤其在新药筛选中，依赖预设特征的旧方法可能错过全新的、意想不到的药物作用机制。
技术突破：让AI学会解读细胞的“形态语言”
Deep-Phase的核心突破在于，它不预设任何规则，而是利用深度神经网络，直接从海量的细胞荧光图像中“学习”。
1.无偏见学习：它能自动提取人类难以定义或察觉的复杂形态模式，如纹理的细微差异、亚区边界的不规则性、内部物质的分布梯度等，生成高维度的、信息丰富的“形态指纹”。
2.精准量化扰动：研究证明，Deep-Phase能精确量化药物对核仁结构造成的随时间、浓度变化的动态扰动，其测量的剂量反应曲线与生化实验测得的半数抑制浓度高度一致，验证了其将形态与功能定量关联的可靠性。
文章模式图（图源自Cell ）
应用发现：从“形态指纹”到全新机制
利用这一强大工具，研究团队开展了化学筛选，并取得了一项关键发现：他们识别出一种独特的、前所未见的“核仁形态指纹”。追踪这一指纹，他们揭示了DNA拓扑异构酶1 在核糖体RNA加工中的一个全新作用机制——该酶通过限制错误加工的RNA积累，来维持核仁各亚相区之间界面的稳定。这一发现完全是通过无偏的形态分析所导向，展现了Deep-Phase在发现全新生物学机制方面的强大潜力。
平台价值：连接微观结构与宏观功能的桥梁
Deep-Phase的优势在于其普适性。它已成功应用于分析核仁、核斑等多种核内凝聚体，甚至包括病毒在细胞质中形成的凝聚体，并且兼容不同细胞系和标记技术。这使其成为一个强大的通用平台，能够：
1.推动基础研究：系统揭示各类凝聚体的结构如何响应遗传、药物或环境扰动，深化对细胞组织原理的理解。
2.加速药物研发：高通量筛选能够特异性调节病理性凝聚体（如与神经退行性疾病、癌症相关的）的小分子药物，并直接读取其精细的作用模式。
总之，Deep-Phase将人工智能与细胞生物学深度融合，架起了一座连接纳米尺度生化活动与微米尺度细胞结构的桥梁。它不仅让我们能“看清”细胞内部的组织结构，更能“读懂”这些结构所诉说的功能与健康状态，为生命科学研究和精准医疗开辟了新的道路。
参考消息：https://www.cell.com/cell/fulltext/S0092-8674(26)00569-6
