| 查看: 18 | 回复: 1 | |||
| 【有奖交流】积极回复本帖子,参与交流,就有机会分得作者 君录生物 的 4 个金币 ,回帖就立即获得 1 个金币,每人有 1 次机会 | |||
[交流]
虚拟细胞缺的不是参数,是情境
|
|||
|
▍导读 虚拟细胞要回答的问题很具体:给定一个细胞状态和一次干预,转录组会怎么变。近年来,这条技术线同时沿着数据规模、模型容量与评测体系扩展;但模型在同一实验情境内取得较高分数,并不等于它能把扰动效应迁移到新的细胞类型、供体、剂量或时间点。 本文以 Dibaeinia 等人发表于 ICML 2026 的正式会议论文 Position: Virtual Cells Need Context, Not Just Scale 为主线,结合 Perturb-seq、Geneformer、scGPT、scPerturb、Tahoe-100M 以及 Virtual Cell Challenge 的最新正式资料,讨论扰动预测为什么不仅是规模问题,也是情境覆盖与因果可迁移性问题。 核心判断是:现阶段仅扩大参数和同分布数据,不能保证跨情境外推能力同步提高。要让虚拟细胞参与实验决策,数据设计与评测必须把生物情境覆盖置于中心位置。 ▍现状与问题 虚拟细胞的技术目标,是在计算环境里预演细胞对干预的响应:给定细胞状态与一次基因敲除、药物处理或过表达,预测转录组层面的变化。这条线的数据起点是 2016 年提出的 Perturb-seq,它把 pooled CRISPR 筛选与单细胞 RNA 测序接在一起,让「扰动—表达响应」成为可以批量读出的配对数据。此后工作沿两个方向推进:一边把扰动图谱做得更大更密,一边把模型做得更大更深。 图谱侧的代表是 Replogle 等人在 2022 年发表的全基因组 Perturb-seq:研究使用 CRISPR interference(CRISPRi)靶向所有表达基因,覆盖 >2.5 million human cells。模型侧则经历了从任务专用模型到单细胞基础模型的扩展;与此同时,Tahoe-100M 等资源开始把细胞系、药物与剂量组织成可比较的情境网格。 卡点出在评测与泛化上。同一细胞系、同一实验体系中的留出预测,不能代替对未见细胞类型、供体或条件的外推检验。Dibaeinia 等人的正式论文把这一问题表述为因果可迁移性问题,并通过一个 22 million-cell immunology dataset 分析情境覆盖与训练细胞数量对跨情境恢复能力的不同影响。文章的结论不是“规模无用”,而是重复增加相同分布中的细胞,不能替代对多样生物情境的覆盖。 ▍核心观点 瓶颈的位置已经换了:模型的问题在于情境覆盖不够,并非不够大。参数规模换来的是对表达分布先验的拟合能力,而扰动预测真正需要的是「同一个干预在不同细胞类型、供体背景、剂量与时间下如何变化」的知识,这些维度的组合在现有语料里极度稀疏。 扰动预测适合被写成因果可迁移性问题:受控施加的扰动为估计干预效应提供了实验基础;更有意义的问题不是只在同一情境内拟合响应,而是把特定情境下学到的效应迁移到未观测情境,并在评测上区分分布内拟合与跨情境外推。ICML 2026 正式论文正是沿这条线重构问题定义。 数据侧的重点是情境矩阵,更大的单点数据集给不了同等信息量:把资源投向多细胞系、多供体、剂量梯度与时间序列的组合设计,比把单一细胞系的数据再扩一倍更有信息量;已经出现的细胞系乘化合物网格是这类设计的雏形,它让情境效应第一次可以被当作变量,而不是需要校正的噪声。 湿实验与模型的分工需要重新安排:情境维度组合爆炸,穷举实验不可行,模型的价值在于用有限预算挑选信息量最大的扰动与情境组合,再把结果回灌训练,形成闭环。君录在该方向上的关注点落在情境网格化的数据组织与跨情境评测口径,而非参数规模的竞赛。 ▍论据与数据支撑 扰动图谱的数据底座:从 Perturb-seq 到全基因组筛选(Cell 2016 / Cell 2022) 2016 年,Dixit 等人在 Cell 上提出 Perturb-seq,把 pooled CRISPR 筛选与单细胞 RNA 测序结合:测序同时读出细胞携带的向导 RNA 与全转录组表型,从而在池化实验中并行获得扰动身份及其表达响应。这项工作确立了「扰动—转录组」配对数据的基本形态。 2022 年,Replogle 等人在 Cell 上把这一范式推到全基因组尺度:研究采用 CRISPRi 靶向所有表达基因,覆盖 >2.5 million human cells,构建信息丰富的基因型—表型图谱,测量基因抑制后的转录表型。 这套数据的价值在于扰动身份明确、转录表型可并行测量,为研究干预效应提供了比纯观测表达谱更直接的实验基础。它也说明,数据规模与情境广度是两个不同维度:在特定细胞背景中增加观测量,不自动等同于获得跨细胞背景的迁移证据。 基础模型的规模路线与它的边界(Nature 2023 / Nature Methods 2024) 2023 年,Theodoris 等人发布 Geneformer,原文表述为在 about 30 million single-cell transcriptomes 上预训练;2024 年,Cui 等人发布 scGPT,原文表述为预训练语料 over 33 million cells,并展示其在细胞注释、数据整合、扰动响应预测和基因网络推断等任务上的适配能力。 2025 年,Ahlmann-Eltze、Huber 与 Anders 在 Nature Methods 正式发表基准研究,比较 5 个基础模型、2 个其他深度模型与刻意设计的简单基线;在其评测设置中,没有深度模型胜过这些基线。2026 年,Miller 等人在 Nature Biotechnology 指出,MSE 与 Pearson Δ 等常用指标可能校准不足;使用校准后的指标时,若干深度扰动模型可以胜过无信息基线。 两项结果并不支持简单的“深度模型无效”结论。它们共同提示:模型表现取决于任务定义、基线选择和指标敏感性。Miller 等人的研究也明确指出,其分析没有覆盖未见细胞类型、供体或条件的 unseen-context task,因此跨情境外推仍是独立且尚未解决的问题。 情境网格与跨情境评测:scPerturb、Tahoe-100M 与 Virtual Cell Challenge(2024—2026) 数据侧的变化更值得注意。2026 年正式发表于 Cell 的 Tahoe-100M 报告 100 million single-cell transcriptomes、50 个癌细胞系和 1,100 个药物—剂量条件。其完整质控后的分析数据包含 95.6 million cells、379 drugs 和 1,135 drug–dose combinations,为比较同一药物在不同癌细胞背景中的响应提供了大规模情境网格。 2024 年发表于 Nature Methods 的 scPerturb 统一整理了 44 个扰动数据集,覆盖 CRISPR 敲除、CRISPRi、过表达与药物处理等多种干预类型,为跨数据集评测提供了公共底座;随之暴露的问题是批次、细胞系与实验条件在同一数据集合内高度混杂,跨数据集比较必须先处理这类混杂。 评测端也在向前走,但需要区分两届任务。2025 年首届 Virtual Cell Challenge 要求模型在 H1 人胚胎干细胞这一单一测量情境中预测留出的扰动;2026 年任务才转向零样本跨情境预测,要求模型预测六个此前从未见过扰动响应的细胞系。后者更直接检验扰动效应能否迁移到新的细胞背景。 把扰动预测写成因果可迁移性问题(ICML 2026) Dibaeinia 等人在 ICML 2026 正式会议论文中提出:当前虚拟细胞模型的主要失败模式是生物情境覆盖不足,而不是模型表达力不足;扰动预测应当被形式化为因果可迁移性问题。作者在一个 22 million-cell immunology dataset 上分析情境覆盖与细胞数量的作用,发现跨情境 DEG 恢复与训练情境覆盖的关系更强,而与单纯训练细胞数的关系较弱。 这一提法把评价重心从分布内拟合移到跨情境外推:如果一个模型只在训练覆盖过的细胞类型与实验条件下准确,它对生物学发现的贡献有限;只有当它在情境维度上具备外推能力,虚拟细胞才可能真正参与实验设计的前置决策。问题定义的这次调整,比任何单点性能提升都更影响后续的资源分配。 ▍局限与开放性 情境覆盖这条路线自身也有未决问题。情境维度是组合爆炸的:细胞类型、遗传背景、供体差异、微环境、剂量与时间任意两项交叉,规模就超出任何单一项目能穷举的范围,如何挑选最有信息量的情境组合仍缺通用方法。跨平台与跨供体的标签噪声会与真实的情境效应混杂,二者在数据上并不天然可分。可迁移性的判定依赖评测集与训练集的独立性,而公开数据集的划分口径仍在演化,同一模型在不同口径下可能得到不同结论。这些问题不会因为问题定义变清晰而自动消失。 ▍核心结论速览 - 虚拟细胞的主要瓶颈是情境覆盖,不是参数规模。 - 扰动预测应作为因果可迁移性问题来定义与评测。 - 数据资源的价值在情境矩阵,而非单点数据集体量。 - 模型的作用是挑选实验,闭环回灌比单次预测更关键。 ▍FAQ Q:虚拟细胞和单细胞基础模型是一回事吗? 不完全重合。基础模型提供的是细胞状态的通用表征,虚拟细胞还要求对干预后的状态变化给出预测;前者是工具,后者是包含数据、模型与评测口径的完整任务体系。 Q:为什么说扰动预测可以当作因果问题处理? 因为扰动由研究者在受控条件下施加,能够为干预效应估计提供比纯观测数据更直接的实验基础。但脱靶效应、扰动效率、细胞选择与测量误差仍会影响因果解释;真正困难的是把一个情境中估计的效应迁移到未覆盖情境。 Q:情境覆盖要做到什么程度才算够? 没有统一门槛,判断依据是目标任务:若用于靶点优先级排序,覆盖相关细胞类型与剂量区间即可;若用于跨癌种外推,则需要多细胞系与多供体的交叉设计。覆盖度应按任务反过来定义。 Q:这套判断对研发布局意味着什么? 资源分配的重心从模型参数转向数据的情境结构与评测口径。在湿实验预算有限时,用模型挑选扰动与情境组合、再把结果回灌训练的闭环,比单次追求预测精度更划算。 ▍君录视角 对扰动数据与疾病模型研发而言,ICML 2026 这篇论文最重要的提醒,不是停止扩大数据,而是区分“更多同类观测”与“更多独立情境”。前者可以降低特定实验分布中的噪声,后者才直接决定模型能否学习扰动效应如何随细胞类型、遗传背景、剂量和时间发生变化。 因此,数据供给应同时登记扰动、细胞背景、剂量、时间、平台与供体等关键维度,并为跨情境评测预留真正独立的组合。模型可以用于选择下一轮最有信息量的实验,但最终判断仍应回到可重复的湿实验验证。 ▍延伸阅读 Dibaeinia P, Babu S, Knudson M, et al. Position: Virtual Cells Need Context, Not Just Scale. Proceedings of the 43rd International Conference on Machine Learning. PMLR. 2026;306:169981–169998. Dixit A, Parnas O, Li B, et al. Perturb-seq: dissecting molecular circuits with scalable single-cell RNA profiling of pooled genetic screens. Cell. 2016;167(7):1853–1866. Replogle JM, Saunders RA, Pogson AN, et al. Mapping information-rich genotype-phenotype landscapes with genome-scale Perturb-seq. Cell. 2022;185(14):2559–2575.e28. DOI: 10.1016/j.cell.2022.05.013. Theodoris CV, Xiao L, Chopra A, et al. Transfer learning enables predictions in network biology. Nature. 2023;618:616–624. DOI: 10.1038/s41586-023-06139-9. Cui H, Wang C, Maan H, et al. scGPT: toward building a foundation model for single-cell multi-omics using generative AI. Nature Methods. 2024;21:1470–1480. DOI: 10.1038/s41592-024-02201-0. Peidli S, Green TD, Shen C, et al. scPerturb: harmonized single-cell perturbation data. Nature Methods. 2024;21:531–540. DOI: 10.1038/s41592-023-02144-y. Ahlmann-Eltze C, Huber W, Anders S. Deep-learning-based gene perturbation effect prediction does not yet outperform simple linear baselines. Nature Methods. 2025;22:1657–1661. DOI: 10.1038/s41592-025-02772-6. Zhang J, Ubas AA, Svensson V, et al. Tahoe-100M: Mapping drug-induced molecular phenotypes at single-cell resolution. Cell. 2026;189(19):5945–5961.e8. DOI: 10.1016/j.cell.2026.08.035. Miller HE, Mejia GM, Leblanc FJA, et al. Deep learning perturbation models can outperform baselines on calibrated metrics. Nature Biotechnology. 2026. DOI: 10.1038/s41587-026-03307-w. ▍关于我们 君录生物· 以数据驱动创新药早期开发 做靶点发现与药物管线早期资产 生信分析平台IntelliCytoPilot 单细胞数据库HeCellAstra |
» 猜你喜欢
Silevertinib(BDTX-1535)结构拆解:炔基双环片段为何成为合成瓶颈
已经有0人回复
RO4929097 解析:双苯并氮杂䓬骨架与 Notch 通路实验设计要点
已经有0人回复
化学工程及工业化学论文润色/翻译怎么收费?
已经有102人回复
分子量 1157 的 PROTAC 怎么配不析出:SGK3-PROTAC1 的溶解、分装与图谱复核
已经有0人回复
logP 6.1 的羧酸怎么配母液:GSK 650394 的溶解窗口与稀释顺序
已经有0人回复
从"水不溶"到 71 mg/mL:雷特格韦的 pH 依赖溶解与螯合色谱边界
已经有0人回复
133 Ų 的极性表面积,如何决定 TNG462 的母液配制与色谱条件
已经有0人回复
两个氟原子与一段氨基甲酸甲酯:BLU-5937 的母液配制与稳定性边界
已经有0人回复
司美那非(TPN171):从嘧啶酮母核到工艺放大的结构、色谱与质控参数解析
已经有0人回复
同一瓶粉末,核磁却跑出两套峰:PF-07976016 的结构与母液笔记
已经有0人回复
诚挚招收全日制博士!!!中国农业科学院麻类研究所谭志坚研究员课题组招收博士
已经有3人回复
» 抢金币啦!回帖就可以得到:
2027年能源利用与优化调度国际会议(EUOE 2027)
+1/858
广州征女友
+2/176
吉林大学物理学院李亮教授非晶纳米晶方向申请考核博士招生
+2/155
澳洲西澳大学Dr Yiran Liu招全额奖学金博士生(3.8万澳币/年)
+1/148
帮征女友,以结婚为目的,非诚勿扰 【上海】
+1/77
厦门大学具身智能传感器与人机交互实验室招收2027级博士研究生
+5/60
厦门大学具身智能传感器与人机交互实验室招收2027级博士研究生
+5/55
北京化工大学材料与科学工程学院高洋洋招收2027级博士生
+1/36
南方科技大学田雷蕾课题组招收2027年博士生
+2/22
诚挚招收全日制博士!!!中国农业科学院麻类研究所谭志坚研究员课题组招收博士
+1/20
浙江大学医学院附属第一医院(国家重点实验室)微生态与代谢团队招聘技术员及助理
+1/17
中科院地质地球所招收博士/博士后,待遇优厚!!!!
+1/17
2026秋福建师范大学化学与材料学院团队博士/硕士招生
+1/13
中国科大-合肥国家实验室冷原子量子网络团队招聘启事
+2/8
南京理工大学邱颖宁/冯延晖课题组招收博士生2~3名(能源动力方向)
+1/8
华中师范大学化院曹郁教授组招收2027级“申请-考核”制博士生
+1/8
中山大学附属第八医院徐勇教授课题组博士后招聘(神经环路与干细胞分化方向)
+1/5
中山大学附属第八医院徐勇教授课题组博士后招聘(神经环路与干细胞分化方向)
+1/5
虚拟细胞缺的不是参数,是情境
+1/5
国家级引才计划 - 启明计划 · 青年人才通道
+1/3
简单回复
2026-11-16 17:32
回复
君录生物(金币+1): 谢谢参与










回复此楼