扰动之心完成数千万元天使轮融资并发布虚拟细胞世界模型AlphaCell 1.0 Pro
扰动之心（PerturbMind AI）宣布完成数千万元天使轮及天使+轮融资，由清松资本领投，同杨基金及多家药企跟投，并走出隐匿模式。公司同期发布PerturbSeek™体系下的虚拟细胞状态推演世界模型AlphaCell 1.0 Pro，标准参数量1B，可裁剪至300M用于私有化部署，也可扩展至50B。
推荐理由：融资与模型发布同时披露，呈现以状态推演替代靶点中心的虚拟细胞路线及其参数弹性设计。
#扰动预测
智药邦精选AI 评分5858
BioTender精选AI 评分7474 CellType推出BioSimBench细胞响应预测评测体系与BioSimGym训练环境
CellType推出BioSimBench，用真实实验数据评测模型对药物处理、基因敲低和免疫信号等干预后基因表达变化的预测，共设四个预测赛道和一个工具型科研智能体赛道。
推荐理由：该评测用真实实验数据考察模型对未见干预条件的基因表达预测，并给出各赛道留出设置与分数对照。
深势科技 DP Technology精选AI 评分7474 深势科技合作开发的虚拟细胞模型ProteinTalks登上Nature，并推进药效预测落地
深势科技与合作团队在《Nature》发表虚拟细胞模型ProteinTalks，将大规模动态蛋白质组与神经常微分方程预训练结合，用于药物扰动响应预测。
推荐理由：深势科技作为论文合作方，梳理了ProteinTalks在单药筛选、联用与耐药机制上的实验验证路径。
GEN (基因工程与生物技术新闻)精选AI 评分5858 Parse Biosciences 与 Nomic Bio 合作构建 1 亿细胞免疫扰动数据集 Cascade
Parse Biosciences（QIAGEN 旗下公司）与 Nomic Bio 宣布合作生成 Cascade，一个用于理解人类免疫反应的 1 亿细胞基础数据集。
推荐理由：该合作把单细胞转录组与分泌蛋白组配对，为免疫扰动数据缺口提供规模化来源。
DrugAI精选AI 评分7474 Nat. Biotechnol.：单细胞多组学动力学模型DynaVelo预测B细胞功能缺失与恢复的扰动效应
研究人员开发了基于神经常微分方程的生成式深度动力学模型DynaVelo，联合单细胞RNA表达与转录因子结合基序可及性重建细胞状态转变向量场，并模拟基因功能缺失与挽救扰动。
推荐理由：该研究用单细胞多组学动力学模型预测基因功能缺失与挽救，并在小鼠B细胞中做了双杂合突变验证。
DrugAI精选AI 评分7272 Nat. Methods 比较四种自监督学习模型的细胞形态扰动表征
研究人员在JUMP–Cell Painting数据集约177万张高内涵图像上预训练DINO、MAE、iTPN和DINOv2，并在独立化合物、不同细胞类型和遗传扰动数据集上比较其细胞形态扰动表征。
推荐理由：研究在统一基准上比较四种自监督模型与传统CellProfiler，为细胞形态表型分析选型提供参照。
Relation精选AI 评分5858 Relation 开发 prime-editing perturb-seq 新方案，为 DNA 基础模型生成训练数据
Relation Therapeutics 在 bioRxiv 发布预印本，提出一套用于 prime-editing perturb-seq 的新实验方案，目标是生成 DNA 基础模型所需的训练数据。公司称其不仅构建药物发现 AI 模型，也改进底层数据生成的基础。预印本链接为 https://www.biorxiv.org/content/10.64898/2026.10.28.762453v1。
推荐理由：Relation 公开了面向 DNA 基础模型训练数据的 prime-editing perturb-seq 新实验方案，可作为扰动数据生成的参考。
BioAIDesign精选AI 评分7070 北大等团队在bioRxiv发布CellCompass：用AI智能体设计细胞动力学模型
北京大学周沛劼、加州大学欧文分校Qing Nie等团队在bioRxiv发布CellCompass，一套围绕实验数据选择、改写和检验细胞动力学模型的科学智能体系统。
推荐理由：预印本提出用智能体按实验线索选择与改写细胞动力学模型，并在模拟基准和四类真实数据上给出对照结果。
BioArt精选AI 评分7878 Cell发表Tahoe-100M：亿级单细胞图谱解码药物扰动下肿瘤细胞分子表型
Tahoe Therapeutics的Johnny Yu与Hani Goodarzi团队在Cell发表Tahoe-100M，构建覆盖50株肿瘤细胞系、379种小分子药物、约1100组药物-剂量条件的亿级单细胞药物扰动转录组图谱。
推荐理由：该图谱以亿级单细胞数据刻画药物扰动表型，并揭示同靶点药物的周期效应差异，为扰动预测模型提供训练资源。
BioTender精选AI 评分6969 预印本《Plausibility Is Not Prediction》指出虚拟细胞扰动预测的评测漏洞
Xinyu Yuan、Xixian Liu 等人的预印本《Plausibility Is Not Prediction》检验细胞扰动二分类差异表达预测，发现忽略扰动身份的 Gene-prior Voting 基线在 C32 黑色素瘤任务总体 AUROC 仍达 0.990，但改为同基因内比较扰动的 macro-per-gene 评测后该基线 AUROC 只有 0.500。
推荐理由：研究用分基因评测揭示总体 AUROC 高分可能绕开扰动区分，为虚拟细胞扰动预测的评测方式提供参照。
BioArt精选AI 评分7070 陈洛南团队在Nature Methods发表CauTrigger，用层级因果分解解析生物系统状态转变与导航
上海交通大学陈洛南团队与东京大学合原一幸团队在Nature Methods发表CauTrigger，将深度潜变量建模与基于do-calculus的干预性因果推断结合，从组学数据中识别状态转变的潜在触发因素及级联因果路径，并做虚拟扰动预测。
推荐理由：该框架把驱动因素识别、级联路径与虚拟扰动预测串成一条链，为状态转变研究提供可复用的分析思路。
Marinka Zitnik精选AI 评分5858 CONCERT：预测基因扰动效应在组织中传播的生成模型
Marinka Zitnik 团队提出生成模型 CONCERT，用于预测基因敲除等扰动效应如何从被扰动细胞扩散到邻近组织区域。作者指出同一敲除在肿瘤核心与组织边界可产生不同响应，相关预印本已发布于 bioRxiv（10.1101/2025.11.08.686890v3）。
推荐理由：该预印本提出跨组织传播扰动效应的生成模型，为空间语境下的扰动响应预测提供参照。
Valence Labs精选AI 评分5858 Valence Labs 提出 trajectory replay 持续学习技术，用于 flow matching 与扩散模型
Valence Labs 提出 trajectory replay，一种面向 flow matching 和扩散模型等连续时间生成模型的持续学习技术，通过用前一模型生成路径的速度场重训模型来提醒其已学内容，全程不生成完整样本。
推荐理由：该方法用前一模型生成路径的速度场重训，避免生成完整样本，为连续时间生成模型的持续学习提供更省成本的替代方案。
智药邦精选AI 评分6060 联川生物与KAUST发布跨物种单细胞基础模型Speciesformer
联川生物联合阿卜杜拉国王科技大学（KAUST）等单位在bioRxiv发布跨物种生成式单细胞基础模型Speciesformer，用于虚拟细胞构建与跨物种单细胞解析。
推荐理由：该跨物种单细胞基础模型把注释、生成与扰动预测整合到一套架构，并给出与主流模型的基准比较。
LeapFun精选AI 评分7373 OpenAI与PerturbAI、Scripps用约1946个智能体并行解读小鼠全脑CRISPR扰动图谱
OpenAI、PerturbAI与Scripps Research以约1946个GPT-Rosalind智能体在约32分钟内并行解读小鼠全脑体内CRISPR扰动图谱，并合成可检索的推理图谱、给出可检验假设。
推荐理由：该预印本用近两千个智能体并行解读小鼠全脑CRISPR扰动图谱，并给出与专家分析对齐的量化结果。
BioArt精选AI 评分5858 GenBio AI 团队在 Cell 提出虚拟细胞世界模型框架
GenBio AI 的 Eric Xing（邢波）与 Le Song（宋乐）团队在 Cell 发表观点文章，提出虚拟细胞世界模型（VCWM）的操作定义与架构，将其描述为多模态、多尺度、动态且有状态的计算系统。
推荐理由：GenBio AI 团队在 Cell 提出虚拟细胞世界模型的模块划分与评测路线，为理解细胞模拟器的架构与数据需求提供框架。
智药邦精选AI 评分6767 上海人工智能实验室等发布AblateCell智能体，实现虚拟细胞模型自主复现与消融
上海人工智能实验室、复旦大学、香港科技大学（广州）等团队在arXiv发布AblateCell，一个面向AI虚拟细胞代码仓库的“先复现、后消融”多智能体系统，在CPA、GEARS、BioLORD三个单细胞扰动预测模型上取得88.9%的端到端任务成功率和93.3%的关键组件识别准确率（Acc@5）。
推荐理由：研究把模型复现与消融实验串成自主流程，并在三个单细胞扰动预测模型上给出与人工组对比的成功率数据。
Fabian Theis精选AI 评分7676 LabCompass预印本：用生成式逆向设计指导细胞实验
Fabian Theis团队发布预印本LabCompass，将实验设计的生成模型与细胞响应的前向模型耦合，在连续设计空间中按目标表型生成候选实验条件，并逐轮用实验测量反馈。
推荐理由：研究把细胞响应预测模型反过来用于设计实验，并在原代造血细胞中做了实验验证，为虚拟细胞的实验指导能力提供了参照。
AI蛋白质精选AI 评分8383 西湖大学郭天南团队发表ProteinTalks：基于扰动蛋白质组学的虚拟细胞模型
西湖大学郭天南团队联合多家机构在Nature发表ProteinTalks，一个以神经常微分方程为核心的虚拟细胞模型，基于18种乳腺癌细胞系、63种FDA批准药物扰动生成的超过3800万条时序蛋白质丰度数据训练。
推荐理由：该研究用3800万条时序蛋白质组数据训练虚拟细胞模型，为药物响应预测提供了不同于转录组路线的参照。
北京科学智能研究院AISI精选AI 评分8282 北京科学智能研究院等团队在Nature发表蛋白质组虚拟细胞模型ProteinTalks
北京科学智能研究院与西湖大学、北京大学、深势科技、哈尔滨医科大学等单位合作，在Nature发表基于NeuralODE框架的蛋白质组虚拟细胞模型ProteinTalks，用于预测药物响应与发现耐药线索。
推荐理由：研究用时间分辨扰动蛋白质组训练动力学虚拟细胞，并给出药效预测与实验验证的完整链路。