2026-08-18
Cell 视角论文提出 15 道生成式 AI 生物挑战：生物数据比语言模型少千倍、线性基线难超越，出路是把先验写进架构加前瞻盲测。
AlphaFold 拿了诺贝尔奖，蛋白设计、突变致病性预测接连告捷，一个自然的问题是把同一套生成式 AI 搬到细胞层面，能不能预测免疫反应、肿瘤微环境、神经退行。这篇 Cell 视角文章（通讯作者 Andrea Califano，哥伦比亚大学，15 位作者横跨 Columbia、Stanford、Northwestern、CMU、Rockefeller、Yale）的回答是：现在还不能，而且差距是结构性的。
三个数字撑起这个判断。临床转化上，2006-2022 年只有 14.6% 的临床试验最终获批上市，2014-2023 年进一步掉到 6.7%。数据上，语言模型训练用上万亿 token，生物学最大的数据集只有 10^1010^11 量级测量值，差约一千倍，把 CellxGene 的十亿级单细胞数据全算上也补不回缺口。组合复杂度上，组装一个 60S 核糖体亚基需要最多 47 个蛋白协同，这个量级的组合空间约 3.48×10^150，比宇宙原子数（约 10^80）还大。靠堆数据硬学，学不动。
文章仿照希尔伯特 1900 年的 23 个数学问题，列出 15 道大挑战，分四层：
每道挑战都配了验收标准。挑战 3（细胞间通讯）要求 AUROC ≥0.85 且在至少 3 种组织场景验证；挑战 7（最小基因组）要求预测的必需基因集与 JCVI-syn3A 重叠 ≥90%；挑战 11（生物标志物）要求前瞻队列 AUC ≥0.90、标志物面板不超过 20 个特征、至少 2 个独立队列复现；挑战 15（临床试验）要求前瞻 II/III 期试验中应答者判别 AUC ≥0.80。
基准分两档：tier 1 做回顾性相对排名，tier 2 做前瞻盲测，预测先封存、实验后揭晓，仿照蛋白质结构预测社区赛 CASP。
架构上主张把生物先验（分子互作网络、物理约束）用图注意力预先接进模型，让注意力只在已知机制上流动。作者自己的 GREmLN（把分子互作网络做进注意力的转录组基础模型）称这样能以更少数据和参数换更高性能，尤其在被认为更难的基因扰动预测上；该模型已申请专利，性能表述属作者自证。
文章还正面回应 Sutton 的「苦涩教训」（算力与通用方法终将碾压人类知识）。三条反驳：生物数据天然稀缺；蛋白互作受热力学与静电学支配，编码物理定律不是塞人类直觉；医学等不起，语言建模可以等算力，临床试验每年都在产生失败。
视角文章没有新实验，全部论据来自既有文献，关键证据如下：
| 证据 | 数字 | 对照 |
| 临床试验获批率 | 14.6%（2006-2022） | 降至 6.7%（2014-2023） |
| 生物数据规模 | 10^1010^11 token | 语言模型万亿级，差约千倍 |
| 单细胞基础模型分布外表现 | 与线性基线打平 | scGPT、Geneformer 被测，Nature Methods 2025 |
| 免疫疾病预测样本门槛 | 非线性优势需 >100 万人 | PRSformer |
| 47 蛋白组合空间 | 3.48×10^150 | 宇宙原子 10^80 |
基准批判值得单独说。「按基因表达分类细胞类型」这类标配基准（区分 CD8+ 与 CD4+ T 细胞）在生物学上无意义，线性回归能做得跟最好的生成模型差不多，拉开差距的显著性是上万细胞量级堆出来的。AUC 指标也有问题：精确率/召回率曲线上只有 FDR ≤5% 的区段对实验设计有用，其余约 95% 的曲线面积与生物学无关。1995 年华盛顿邮报曾宣告蛋白质折叠已解（7 个蛋白猜对 6 个），真正的解法等了 40 年才通过前瞻验证落地，这是回顾性指标骗人的历史注脚。
对做 AI4Science 的人，这是一份可直接引用的选题地图：15 道挑战每道都给了数据可得性评估与必须对比的非 AI 基线（计算方法加实验方法），方向、对手、及格线在表 2 里全有。
对 benchmark 作者，两档框架加上「AUC 大部分区段与实验设计无关」的论证，是对单细胞基础模型现行评测的具体否定；2025 年已有 Nature Methods 论文证明线性基线分布外不输深度模型，这篇把那件事上升为结构性问题。
对资助机构与数据平台，文章主张建公私联盟，5 年内攒 500 个带分子层面数据的临床试验（优先从已失败试验起步），配套 AI-DREAM 式盲测。Human Immunome Project、DepMap、Tahoe-100M 这类计划由此拿到了明确用途。
视角文章无实证评估，15 道挑战是议程设置不是被验证的结论；作者也承认生物学问题无法像希尔伯特问题那样公理化，只能算开放式纲领。
利益相关要打折：GREmLN 是作者团队模型且已申请专利，「图先验有效」的核心论据部分来自自证；多位作者挂职 Biohub、CZI、GenBio.AI，议程与这些机构的数据生产计划同向。
验收线（AUC ≥0.90 之类）是直接给定的，没有推导；「临床医生需要可解释模型所以先验重要」只有断言没有证据。15 道挑战难度极不均衡，从突变功能预测（AlphaMissense 已在做）到临床试验结局预测（可能几十年内无解）跨度太大，并列呈现容易误读优先级。
论文披露写作过程用了 Claude Sonnet 4.6 核对参考文献与语法，概念出自作者。