虚拟细胞的下一步:从描绘生命到预测与调控
虚拟细胞,不只是预测基因表达
AI与生物学的交叉研究中,蛋白质结构预测和分子设计受到广泛关注。相比之下,虚拟细胞面临一个更基础的质疑:复杂模型是否真的比简单方法更有用?
慕尼黑亥姆霍兹中心的Fabian Theis长期研究多尺度、多模态及随时间变化的生物数据。他关注的方向,是让模型从描绘生物系统,逐步走向预测系统变化,进而探索如何调控生物状态。
这里的“调控”是一项研究目标,并不意味着已经能够完整模拟或任意控制细胞。
复杂模型为何会输给简单基线?
虚拟细胞研究的一项常见任务是扰动预测:当研究者通过基因编辑、药物或环境因素改变细胞时,预测细胞状态会如何变化。
围绕2025年Arc虚拟细胞挑战赛的讨论暴露出一个问题:在部分评估中,复杂模型甚至不如输出固定预测值的简单基线。
但这不能直接等同于“深度学习对虚拟细胞无效”。评估指标本身也可能造成误导:
- 大多数基因在一次扰动后变化很小。
- 如果指标主要奖励整体预测接近真实值,输出平均状态也可能获得不错的成绩。
- 这种成绩不一定说明模型捕捉到了真正重要的生物学变化。
有关评估方法的研究表明,使用校准更合理的指标后,深度学习模型可以优于均值基线。评估指标需要区分“猜中了大多数不变的部分”和“预测对了关键变化”。
这并不代表虚拟细胞的预测难题已经解决,而是说明模型能力与评估方式需要分开审视。
Theis的判断:需要重新选择问题
Theis认为,现有数据集中的部分扰动预测任务,并不足以体现复杂算法的必要性。更值得投入的方向,是用高精度、多尺度、能够在空间等维度上对应起来的生物数据,研究不同层级如何共同演化:
分子 → 细胞 → 局部微环境 → 组织 → 器官 → 生物体。
这意味着,模型不能只关注一个孤立细胞的表达状态,还需要回答更复杂的问题:
- 周围细胞如何影响一个细胞的状态?
- 一次扰动会怎样改变整个细胞群体的状态分布?
- 如果希望细胞进入某种目标状态,应该施加怎样的干预?
这些问题涉及不同尺度之间的相互作用。目前,研究者既缺少对这些尺度衔接机制的充分理解,也缺少相应的数据。
数据与实验基础设施为何重要?
围绕Biohub的相关计划,Biohub、NIH、美国能源部、Google和Meta等机构涉及的资金承诺合计约为18亿美元。需要注意,其中NIH的资金包括此前已经投入的部分,不能将总额全部理解为新增资金。
相关投入关注的不只是扩大数据量,也包括提高测量能力、建设自动化实验设施,以及让数据能够用于AI训练。
涉及的技术方向包括:
- 美国能源部和NIH推进的规模化实验自动化;
- Google扩展的连接组学测量能力;
- 激光相位板显微技术、光片显微技术,以及常规显微图像的高级后处理。
这些能力有望提供更丰富的表型信息,为跨尺度建模创造条件。但更好的数据能否转化为可靠的预测与干预能力,仍需要实验验证。
从预测走向实验闭环
Theis所在的亥姆霍兹计算健康中心,将AI、分子数据、医学影像、基因组学和临床数据结合起来,开发面向精准医疗的预测模型与机制模型。其计算生物学研究也覆盖从单细胞时间序列到群体尺度组学数据的统计与动力学建模。
这一研究方向指向的是模型与实验的闭环:模型提出预测或干预方案,实验检验实际效果,再用结果改进模型。
**虚拟细胞的关键,不只是模型能否在现有榜单上得分更高,而是它能否解释和预测更复杂的生物变化,并帮助研究者设计有效的实验。**从描绘到预测,再到调控,这仍是一条需要数据、算法和实验共同推进的研究路径。
