2026-09-18
Cell透视把虚拟细胞规定为动作条件的世界模型p(x'|x,a,e),要有细胞流形、转移核和跨模态解码器;点名现有扰动预测、生物LLM和ODE都只覆盖其中一片。
「虚拟细胞」这词已经被用成基因表达扰动预测:敲掉 k 个基因,猜其余 RNA 计数。CZI、Arc 的 State 这类平台把虚拟细胞落成单步、单模态的输入输出。细胞生物学家和早筛药厂要的不是一张 ΔRNA 表,是可下手的替代实验系统:给药、基因编辑、改环境之后,分子、结构、形态、存活会怎么一起变,能不能多步往前滚。
GenBio AI 的邢波(Eric Xing)和宋乐在 Cell 189(19) 发了一篇 Open Access 透视,题目就是 A world model of the virtual cell。Cell.com 被 CDN 拦了,解读依据作者 2026 年 5 月 3 日同题 PDF,目录页摘要与标题一致。它几乎没有新实验数字,活是把定义和架构写死,免得「世界模型」四个字继续贴在普通预测器上。
操作定义:观测到的细胞初态 x、可实现的干预 a、微环境 e,模型给下一状态
p(x′ | x, a, e)
世界模型要会动作条件仿真、反事实、长程规划,不是学一个固定任务映射。架构拆成耦合的三件:
和三条现成路线对拍。RNA 扰动模型停在固定观测空间,没有必须解释所有读出的隐状态。生物 LLM 的内部状态是语言,能规划实验,但不实例化定量细胞。机制 ODE 在变量已知时可解释,但变量是手写的,难扩到全细胞。世界模型用 G 当骨架,从数据学 M 的几何和 F 的流,不代替机制,是把动力学仿真扩到细胞这个复杂度。
文中 Table 1 把用例写成提示:查染色质、异构体、结构;敲除或小分子后的存活与形态;靶点与复合物;反向设计分子;用新的 K562 扰动数据更新模型。输出是多模态轨迹,不是单点预测。
透视没有报告基准分数,也没有声称某个已发布系统已经满足定义。评价被重写成「Virtual Cell Arena」:看跨模态是否自洽、组合扰动和多步 rollout 是否还停在 M 的合理区域、逆向控制(指定表型 M 再提案 a)在湿实验里是否比随机筛选更富集。Arc 式 RNA 扰动榜只是细胞状态的一个投影,不能当虚拟细胞的总分。
数据需求按三件拆开。学流形需要大规模多模态、不必完美配对;学一步 F 需要 CRISPR / RNAi / 过表达 / 小分子的扰动-响应;学长程稳定需要时间上的多模态轨迹,目前最缺。计算障碍写得很硬:配对多模态稀、非配对单模态多,要用重建、跨模态重建和带生物先验的对比学习混着训,目标怎么配还是开放问题。
对做 AI4Science 的人,这篇的用处是尺子,不是新 SOTA。以后再看到「虚拟细胞世界模型」,可以问三句:有没有可干预的状态 z,还是只有 ΔRNA?多步组合扰动会不会散?各模态是不是同一个 z 解出来的?问不成,那就是预测器在借世界模型的名。
邢波组同时在推 AIDO(AI-driven digital organism)和 AIDO Cell 原型,这篇透视是概念真源,产品数字不在这里。和同期 Cell 上 Noori 等人的 World models for biomedicine、Arc 的 2026 Virtual Cell Challenge 可以并读:一个定义细胞级世界模型,一个把世界模型扩到组织/患者,一个用零样本跨细胞系敲低当考场。
没有定量结果。操作定义 p(x′|x,a,e) 和「任意自然或人工干预」写得很满,可实现的 a 仍受训练数据里见过的干预类型限制,论文没有给出覆盖度量。Arena 是呼吁,不是已经跑起来的公开榜。
跨模态自洽没有可计算的充分统计量,评价仍可能退回「几个熟悉的 RNA 指标」。作者把虚拟细胞银行、组织、数字生命写成远景,因果链从细胞流形到器官没有技术证据。读的是作者 PDF,Cell 排版稿或有编辑改写,论点和架构与 5 月文本一致。