补齐单点扰动的系统层缺失，AI4S虚拟器官如何找到应用场景落地？| 独家专访璨辰科技创始人李磊
璨辰科技以全尺度时空动态建模构建系统级虚拟器官，补足单点扰动预测看不到的器官系统层面变化。其脑Visium空间基因补全将RMSE从最强基线4.1398降至3.2691、Pearson相关性从0.3303升至0.6058，大脑发育近距离外推Mean WD从5.536降至2.991（约降46%）。
#扰动预测
动脉网AI 评分4444 智药邦精选AI 评分5858 虚拟细胞状态推演世界模型｜扰动之心完成数千万元融资
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。
Anshul KundajeAI 评分2020 Kundaje称计算扰动实验验证良好
我们做多种计算机模拟的语法与变异扰动实验，很高兴它们验证得非常好。4/
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。
Alex ZhavoronkovAI 评分2020 英矽智能谈虚拟细胞与健康寿命路径
当扰动响应能映射到一条可供尽职调查的健康与死亡路径时，虚拟细胞项目才具备合作价值。@juliankissa 在 #ARDD2026 上发言。照片：https://agingpharma.org/photos2026
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。
DeepTech深科技AI 评分4242 扰动之心走出隐匿模式：发布虚拟细胞世界模型 AlphaCell 1.0 Pro，打造原生组学 AI 赋能 AIDD
孵化于同济大学 DELTA Lab 的扰动之心（PerturbMind AI）走出隐匿模式，发布虚拟细胞状态推演世界模型 AlphaCell 1.0 Pro，并打造几何世界模型驱动的 PerturbSeek™ 生态系统。
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。
Alex ZhavoronkovAI 评分2222 Insilico 谈生物虚拟模型可检验性
生物学的虚拟模型，只有当它们明确指出扰动之后什么变得可检验时，才值得审慎对待。@omarabudayyeh 于 #ARDD2026。照片：https://agingpharma.org/photos2026
DrugAI同新闻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。
同一新闻，精选展示《Nature Methods研究系统评测细胞形态图谱的自监督表征学习》
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。
智药局AI 评分4040 扰动之心完成数千万元天使轮及天使+轮融资，推出虚拟细胞世界模型AlphaCell 1.0 Pro
AI for Science企业扰动之心完成数千万元天使轮及天使+轮融资，由清松资本领投，同阳基金及多家药企跟投，并正式走出隐匿模式。公司拥有PerturbSeek™生态下全球首个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的AlphaCell 1.0 Flash或扩展至50B的AlphaCell 1.0 Mega。
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。
GEN (基因工程与生物技术新闻)AI 评分3636 HUPO 2026 新加坡大会：亚太雄心与通往预测性生物学的道路
HUPO 2026 大会在新加坡汇聚 45 国 1,428 名代表，主题为“Proteomics Plus: Transforming Lives”。中国发起的 π-HuB 计划提出在三十年内投入数十亿元人民币，目标预测个体一生的蛋白质组状态；西湖大学郭天南则报告了覆盖 58 种主要组织类型、251 种细分组织类型和 25 种癌型的空间蛋白质组工作，以及针对三阴性乳腺癌的扰动蛋白质组虚拟细胞模型。
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。
木可AI探索笔记AI 评分4343 细胞图谱能白嫖，唯独扰动数据，必须自己攒
单细胞表征数据已成公共品，CZ CELLxGENE 的 Census 构建版收录2.18亿个细胞，可免费训练细胞基座模型；但扰动配对数据因单细胞测序的破坏性、公共扰动库浅或小、组合空间巨大而必须自采。Recursion 内部 RPI-93M 含9276万张显微图像、覆盖395.7万个扰动，其开源的 RxRx3 不到内部数据1%；Insitro 与 Xaira 同样以自建湿实验生产配对数据。
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。
Alex ZhavoronkovAI 评分3838 单细胞时钟与扰动模型发现抗纤维化靶点
一个单细胞时钟加上一个扰动模型，可揭示用于表观遗传年轻化的抗纤维化靶点。@dives86 于 #ARDD2026。照片：https://agingpharma.org/photos2026
动脉网AI 评分3838 深度细胞陈新栋：用多尺度物理力学+AI构建虚拟细胞，推演生命规律
深度细胞创始人陈新栋提出以多尺度物理力学结合AI构建虚拟细胞，将分子动力学与连续介质力学接力计算，模拟癌细胞转移等细胞动态行为。团队称已在计算机上模拟出肿瘤侵袭伪足的关键分子机制并发表于PNAS，该模拟经严格实验验证，但当前仅限药物经信号通路作用于骨架蛋白这类机制。公司年内完成近亿元种子轮融资，计划以平台授权服务药企起步，逐步推进自研管线。
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。
BioTenderAI 评分3838 18 岁、没有生物学背景，他用 AI 冲进虚拟细胞竞赛前 20
18岁独立参赛者Ahmet Dedeler在Arc Institute虚拟细胞竞赛中自述阶段排名进入1000多支队伍的前20，并称已记录400次实验、850次代码提交。
Fabian TheisAI 评分4040 Fabian Theis谈AI如何改变癌症研究
Fabian Theis在重庆Nature会议“AI时代的癌症免疫学”开幕主旨演讲中提出，科学是搜索，AI让搜索巨大干预空间更系统化。他以免疫治疗为例：检查点抑制剂仅约八分之一患者响应，需为每位患者找到正确干预。其报告“从细胞图谱到AI设计干预”展示绘制肿瘤免疫生态等细胞状态、预测扰动响应并将细胞导向目标状态，并介绍肿瘤图谱、人类细胞因子字典及扰动模型开放基准等工作。
智药邦AI 评分7474 Nature Biotechnology研究提出指标校准框架，重新评估AI虚拟细胞扰动预测模型
英国Shift Bioscience与多伦多大学等团队在《Nature Biotechnology》发表研究，分析14个基因扰动数据集和18种评估指标，指出MSE和基于对照细胞的表达变化Pearson相关系数等常用指标校准不足，可能低估深度学习模型的扰动预测能力。
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。
TurbineAI 评分4242 Turbine在World ADC大会展示vLab® ADC发现数据
Turbine科学项目负责人Jerzy Woźnicki在圣地亚哥World ADC大会报告vLab®如何指导ADC发现，覆盖体外载荷选择到ADC体内转化。海报涵盖约1400个细胞系模型的ADC敏感性图谱、预测克服耐药性的协同组合，以及靶点表达之外的生物标志物识别，用于临床前患者模型选择；公司称预测与已有临床和实验证据一致。
Fabian TheisAI 评分2020 Theis在MICCAI谈生物世界模型与虚拟人
Fabian Theis在MICCAI 2026主旨演讲中提出MAP→PREDICT→STEER路径：先学习生物状态表征，再学习状态变化（含干预下），最后反推如何将系统导向目标状态。他以规模为第二轴对比细胞层面（深度测量、受控扰动、可闭环实验）与患者层面（大规模观察队列、纵向记录与影像、受控干预少），并认为虚拟人应是跨尺度、跨数据条件的模型组合而非单一巨型模型。
RecursionAI 评分4242 Recursion详解端到端平台：基因组规模扰动与数据工厂
Recursion神经科学副总裁Chris Winrow在平台系列第二部分介绍，公司用声学液体处理器将2.5纳升CRISPR-Cas9试剂移入1,536孔板、每周最多200万次，并刻意随机化实验，使机器学习模型学到真实生物学而非实验假象。通过对同一批细胞成像和测序，单次实验可获数千项测量，形成可反复挖掘、供AI基础模型学习的可复用数据集。
Fabian TheisAI 评分2020 Theis在ESSB2026谈从单细胞扰动到空间干预
Fabian Theis在西班牙Sitges开幕的ESSB2026（逾700名科学家参加）作开场主旨演讲，主题为“Closing the loop: from single-cell perturbations to spatial interventions”。
TurbineAI 评分2222 Turbine虚拟生物学Meetup第三期回放上线
Turbine 发布 Virtual Biology Meetup 第三期完整回放，该期于9月15日围绕虚拟检测如何赢得真实研发决策信任展开。Xaira 的 Ci Chu 介绍大规模扰动数据集如何训练虚拟细胞模型应对未见过的生物学场景，Turbine 的 Krishna Bulusu 则讨论从“能否预测”转向“能否改变决策”。
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。
Valence LabsAI 评分2020 Valence Labs谈扰动预测数据规模挑战
要解码生物学，我们希望理解干预（遗传或分子层面）如何改变细胞状态。 挑战在于规模：约有10⁶⁰种类药分子，我们希望理解它们在许多不同细胞背景下的效应。 即便在最先进的实验室中，覆盖如此大的搜索空间也是不可行的。 但充分的数据多样性对于训练能够泛化的扰动预测模型至关重要。 那么，我们该怎么做？
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。
BioMap 百图生科精选AI 评分5858 百图生科提出虚拟细胞原生系统三层架构并披露 BioMap Cell OS 进展
百图生科在 2026 科学智能大会上首次系统提出虚拟细胞原生系统三层技术架构，并发布 BioMap Cell OS 的阶段性进展。三层分别为原生世界模型系统、原生数据进化系统和原生应用操作系统，后者将对虚拟细胞的操作抽象为 Initialize、Perturb、Evolve、Render、Compare、Uncertainty、Trace 和 Optimize 八类操作原语。
推荐理由：百图生科把虚拟细胞从单次扰动预测扩展为含世界模型、数据进化与操作原语的三层系统架构，可供观察其技术路线。