#数据/基准

树结构Transformer胚胎发育生成模型

令人兴奋的胚胎发育新生成模型，使用树结构Transformer而非单分支轨迹，以更好地推断细胞状态动态。祝贺@njwfish @gokl_g

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。

CZI 扩大虚拟细胞计划至18亿美元

10月，@biohub，即陈·扎克伯格科学组织，将虚拟生物学计划扩大至18亿美元。 这笔资金用于开放、标准化的数据，以训练虚拟细胞——即预测细胞如何对药物或基因编辑作出响应的AI模型。 https://www.biopharmatrend.com/artificial-intelligence/the-18-billion-bet-that-more-data-will-enable-progress-in-virtual-cells-1609/

Differentia Bio以IgG4-RD前瞻性预测获独立临床验证，推进虚拟人体模拟

Differentia Bio称其针对IgG4相关性疾病（IgG4-RD）的机制预测先后获得独立人体临床研究支持：2025年4月靶向CD19+的inebilizumab获FDA批准用于该适应症，2026年1月第三方公布的dupilumab早期研究中5名患者有4名出现临床改善及血清IgG4水平下降。

虚拟细胞追踪报告发布

📊 刚刚发布《虚拟细胞追踪：谁在构建、什么有效、资金流向何处》。 报告涵盖至少14个模型、11个数据集和16笔交易，每项性能声明均附有证据标签。 https://www.biopharmatrend.com/business-intelligence/the-virtual-cell-tracker-whos-building-them-what-works-where-the-money-goes/

英矽智能谈衰老单细胞数据

衰老是动态且异质的，因此随时间对单细胞读数进行共配准，可构建出合作伙伴真正能用于训练的AI就绪数据。Hao Pei 在 #ARDD2026 上发言。照片：https://agingpharma.org/photos2026

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。

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》

Brian Hie 回顾 Evo 2 一年项目：把 DNA 当作需要沟通的外星语言

Brian Hie 表示 Evo 2 项目历时约一年，过程让他联想到科幻作品中与外星人建立通信的描写。他认为 Evo 2 在很多方面是一个精通 DNA 这种外星语言的模型，找到与这类模型有效沟通的方式，可能解锁生物设计与发现中的新能力。

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。

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。

UCL与剑桥团队在Cell Reports Medicine发表三阴性乳腺癌肿瘤数字孪生研究，疗效预测准确率74%

伦敦大学学院联合剑桥大学在Cell Reports Medicine发表研究，用符号AI基于患者基因组信息构建个性化三阴性乳腺癌肿瘤数字孪生，在PARTNER试验31名患者数据上回顾性模拟化疗及化疗联合奥拉帕利等方案，疗效预测准确率为74%。

英矽智能谈健康与死亡世界模型

当预测目标足够具体、可供尽职调查时，健康与死亡世界模型就变得可合作了。Kejun Ying（@KejunYing）在 #ARDD2026 上。照片：https://agingpharma.org/photos2026

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。

VCPI 发布 ReFRAME 化合物库 DRUG-seq 图谱，覆盖 12,949 个化合物并以 CC BY 4.0 开放

虚拟细胞药理学计划（VCPI）发布其迄今最大规模的数据集，为 ReFRAME 药物重定位化合物库提供阵列式 DRUG-seq 转录组图谱，覆盖 12,949 个化合物。数据在 THP-1 细胞中以 10 μM 剂量、每孔一个化合物进行筛选，注册用户可在 thevirtualcell.com 免费获取，并以 CC BY 4.0 开放。

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。

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。

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。

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。

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）。

西湖大学吴泰霖团队提出PACE，从单细胞快照推断连续演化，被NeurIPS 2026接收

西湖大学与浙江大学团队提出PACE，以细胞状态空间的局部几何为约束，交替更新跨时间配对与连续路径，从离散单细胞快照推断群体演化，相关研究被NeurIPS 2026接收。

SandboxAQ 与 Apheris 在柏林推出 Virtual Cell Network，联合药企训练 AQCell

SandboxAQ 与 Apheris 在柏林宣布推出 Virtual Cell Network，目标是建成由药企主导的最大虚拟细胞网络。成员用自有数据训练 SandboxAQ 的 AQCell 以扩展其适用范围，再针对自身项目微调，原始数据不离开各公司环境；Apheris 负责运营网络并通过其平台交付模型，同时运行 co-folding、ADMET 和抗体可开发性联邦网络。

利用生物学优先建模弥合胰腺癌转化鸿沟：Genialis Supermodel 与 Inventia RASTRUM 网络研讨会

Genialis 与 Inventia Life Science 将于 11 月 18 日举办网络研讨会，介绍以生物学优先的可解释 AI 方法连接患者肿瘤状态与下一代临床前模型。

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。

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。

Arc Institute团队在Cell发表scBaseCount：AI智能体构建5.02亿细胞单细胞转录组数据库

Arc Institute的Yusuf H. Roohani和Hani Goodarzi团队在Cell发表scBaseCount，用AI智能体SRAgent从SRA挖掘并标准化重分析10× Genomics单细胞数据，汇集超过5.02亿个细胞、覆盖27个物种和75种组织。

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。

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。

PandaOmics分析77个人脑数据集，线虫与人神经元验证阿尔茨海默病候选靶点

Insilico Medicine的Alex Zhavoronkov介绍，团队用PandaOmics读取77个人脑数据集寻找阿尔茨海默病新靶点，并用线虫和人神经元检验这些答案。该工作以AI与湿实验闭环的方式推进靶点发现，已发表于Alzheimer's & Dementia，DOI为10.1002/alz.71680。

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。

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）。

https://x.com/MartinPacesa/status/2107944175958426060

美能源部与NIH联合发起虚拟生物学计划

美国能源部（DOE）与NIH宣布建立重大合作，目标是生成构建AI细胞预测模型所需的数据。Isomorphic、Google DeepMind和Meta作为创始伙伴加入"虚拟生物学计划"，Allen Institute、Broad Institute、Wellcome Sanger Institute及NVIDIA等机构共同参与这一国际科学项目。

Owkin 谈多模态数据与 K Pro 癌症预测

Owkin 称其 AI 科学家 K Pro 通过 MOSAIC 数据集获取每位患者的 6 种模态数据，可预测癌症生物学并建议新的 ADC 候选分子，单模态数据无法做到。

Turbine 将携 vLab ADC 平台亮相 World ADC

Turbine 团队将赴圣迭戈参加 World ADC，并推介 vLab® ADC Intelligence 平台，可在投入湿实验资源前开展虚拟实验。该平台覆盖 113 种药物及组合（含 6 种 ADC 和 21 种 payload）、1348 个映射至患者亚型的生物样本，并支持用户自建分子与样本建模，用于适应证定位、联合方案协同性与体外结果向 PDX 模型的可转化性评估。

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。

Ginkgo 虚拟细胞药理学计划 VCPI 向所有注册用户即时开放全部数据集

Ginkgo 的虚拟细胞药理学计划 VCPI 宣布，现有及未来全部数据集在发布时即向所有注册用户开放，采用 CC BY 4.0 许可。三个版本合计覆盖超过 14,000 个化合物。

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。

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？

实验室批次效应与AI模型学习

在湿实验室数据上训练的模型，可能学到的不是底层生物学，而是某个研究实验室的怪癖。 “批次效应”指的是生物样本所反映的更多是关于谁做了实验、何时做的、在哪个仪器上做的，而非所关注的生物学本身。 观看 Zeinab 解释实验室如何应对批次效应，以确保 AI 模型学到的是底层生物学，而非噪声。