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。
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。
当多模态模型所靶向的细胞状态足够具体、可供尽职调查时,它们就具备了合作价值。Ava Amini 在 #ARDD2026 上如是说。照片:https://agingpharma.org/photos2026
和MTS聊AI for science的快速进展、以及我们为医学带来超级智能的努力,非常有趣。未来正在加速到来。
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。
预印本1:https://zenodo.org/records/23769316 预印本2:https://zenodo.org/records/23769453 调控ICL代码:https://github.com/evo-design/ICL_regulatory Evo2-flash:https://github.com/evo-design/evo2_flash ICL网页工具:https://proto.evodesign.org/tools/evo2-icl 10/n
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。
虚拟细胞世界模型一旦点明哪些生物学问题变得可检验,就具备了可合作性。Le Song(@dasongle)在 #ARDD2026 上发言。照片:https://agingpharma.org/photos2026
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。
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。
推荐理由:该研究用AI智能体从SRA挖掘并统一重分析单细胞数据,为细胞基础模型训练提供了可比较的数据规模与扰动识别增益。
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。
Petrina Kamya 在哈佛虚拟细胞论坛上介绍我们的虚拟衰老细胞:约43个专业智能体,覆盖从分子到表型的五个尺度,可在湿实验前模拟衰老干预。基于 PreciousGPT 和 Pharma AI 构建。https://www.youtube.com/watch?v=-MSc6wq7Fbc @InSilicoMeds
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。
Recursion利用全球最快超级计算机之一BioHive-2训练基础模型,为每个已完成的细胞扰动生成独特嵌入指纹,并汇总为一张覆盖高维数据的综合生物学图谱。通过将已知疾病指纹与该图谱比对,可找出产生相似效应的其他基因操作,从而识别驱动或挽救疾病状态的靶点、生成新假设。该流程被其CTO称为“lab-in-the-loop”,即数据训练模型、模型指向靶点。
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。
Biohub 发起 Virtual Biology Initiative,计划生成数据以解锁生物学中的规模定律并构建准确的细胞预测模型,未来五年投入 1 亿美元支持 Biohub 之外的工作。
一次性看到单个人类细胞内约13,000种蛋白质会是什么样? 我们分享 ProtiCelli——一个让这成为可能的生成模型。除了基准测试,我们还展示了它在许多任务中的实用性。 预印本:https://bit.ly/3NY175q 一个线程 🧵👇
Biohub正以工程化思路开发5种测量炎症的新方法,目标是在人体组织中实时观察免疫细胞活动。具体包括基于质谱的活组织蛋白质组与代谢组非侵入检测、可对免疫细胞基因做CRISPR扰动并读出影响的功基因组平台,以及用高通量T细胞/抗原筛选结合AI解码细胞识别、预测免疫细胞决策的Decoder工具。