细胞核的形态特征与染色质结构存在密切关联，能够在一定程度上反映细胞类型、功能状态及某些疾病相关的变化。DAPI染色因其低成本、操作简便和广泛兼容性，已成为细胞与组织成像中最常用的核染方式之一。然而，在多数空间组学和成像分析流程中，DAPI图像常被作为细胞定位或轮廓提取的辅助信息，其潜在的价值尚未被系统挖掘和利用。其关键瓶颈在于，细胞核形态变化具有复杂的空间结构和多尺度特征，传统人工提取特征难以全面表征；同时，监督学习方法对标注数据依赖较强，限制了在多组织、多疾病、多平台条件下的泛化能力和迁移应用。 

2026年2月3日，同济大学生命科学与技术学院张勇课题组在Genome Biology在线发表文章Self-supervised pretraining with NuSPIRe unlocks nuclear morphology-driven insights in spatial omics，构建了用于细胞核形态建模的自监督预训练模型NuSPIRe。该模型通过大规模自监督预训练，从DAPI染色图像中学习具有可迁移性的核形态表征，可在无需人工标注的条件下支持多种下游分析任务，包括细胞类型识别与扰动响应检测。同时，NuSPIRe还可作为辅助工具融入空间组学实验流程，用于支持更高效的视野选择与数据采集决策。

NuSPIRe采用基于遮挡重建的自监督学习策略，将细胞核图像划分为若干小块，随机遮挡部分区域，并由模型依据上下文信息进行重建，从而在无标注条件下同时学习细胞核形态的全局结构与局部细节特征（图1）。基于该模型，系统评估了细胞核形态信息在多个典型应用场景中的潜力。例如，在非小细胞肺癌组织切片中，经过少量样本微调后，NuSPIRe能够支持肿瘤细胞与免疫细胞等类型的区分，并在标注数据受限的情况下保持较好的跨样本泛化能力。在大规模扰动数据集中，利用细胞核形态表征在无标注条件下筛选出引发显著形态变化的扰动，并进一步归纳不同细胞核表型模式，为药物筛选和作用机制探索提供形态学层面的参考。此外，通过将细胞核形态表征与空间转录组数据相结合，研究初步探索了形态特征与基因表达在空间尺度上的关联，为形态驱动的空间分析提供了新的技术路径。

图1. NuSPIRe模型架构

在应用层面，进一步将NuSPIRe前移至实验设计阶段，用于辅助空间组学实验流程的优化。模型可在预扫描的DAPI图像上自动识别潜在的感兴趣区域，并对候选视野进行排序与优先级评估，从而在既定采集预算下提高关键信息的覆盖效率。以肿瘤免疫微环境中的三级淋巴结构为例，NuSPIRe能够仅基于DAPI图像识别与免疫富集相关的核形态模式，并在肺癌空间组学数据中显著提升免疫细胞的捕获效率。这种模型先评估再采集的实验策略，为空间组学实验提供了一种具有可操作性的成本优化方案。

同济大学生命科学与技术学院博士后华玉为、博士生李诗雨为本文共同第一作者，张勇教授为本文通讯作者。

原文链接：https://link.springer.com/article/10.1186/s13059-026-03987-2