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%)。
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
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,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。
当应用场景聚焦、人类数据高保真、且通往资产的道路明确时,虚拟细胞企业就能做好尽职调查准备。Andrew Marshall 在 #ARDD2026 上发言。照片:https://agingpharma.org/photos2026
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。
推荐理由:文章梳理了Differentia Bio先预测后获独立临床证据支持的案例,为评估AI疾病模型提供参照。
📊 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/
当评估标准是具体的而非募资故事时,虚拟细胞创业公司才算经得起尽职调查。Avak Kahvejian 在 #ARDD2026 上发言。照片:https://agingpharma.org/photos2026
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。
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。
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。
虚拟衰老细胞模型之所以能赢得合作伙伴的关注,在于它们明确了衰老生物学中哪些问题变得可检验。@petrinak_ISM 于 #ARDD2026 分享。照片:https://agingpharma.org/photos2026
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。
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
Walid M. Abdelmoula 等在《Nature Methods》发表大规模比较研究,用 JUMP–CP 约 177 万张未标注图像预训练四类自监督模型,并在多个独立数据集检验细胞扰动识别。
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》
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。
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。
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%。
推荐理由:研究用符号AI为三阴性乳腺癌患者构建肿瘤数字孪生,在31例回顾性数据上给出疗效预测与联合用药假设。
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
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
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。
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。
推荐理由:该发布提供覆盖近1.3万临床阶段化合物的转录组扰动数据,可作为药物响应与虚拟细胞研究的公开数据资源。
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。
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。
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。
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 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。
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。
推荐理由:西湖大学团队用局部几何约束跨时间配对与路径学习,为单细胞快照间的轨迹推断提供了可检验的方法参照。
Turbine 团队将于 10 月 23–26 日在马德里 ESMO 2026 的 8107 号展位(8 号厅)与肿瘤研究者及生物制药方交流。其展示内容包括:用虚拟试验预测 PDX 模型中的 ADC 响应并提出可验证的生物标志物假设、以免疫细胞表型虚拟模型预测患者药物响应,以及胰腺癌 KRAS 靶点识别筛选产出机制、生物标志物和联合用药假设。
腾讯AILabHealthcare团队在Nature Communications发表scTransMIL,用多实例学习把样本级癌症表型与单细胞表达连接,同时输出细胞疾病分数和基因注意力线索。
推荐理由:文章梳理了scTransMIL从样本表型定位到细胞与基因线索的路径,并给出OGT靶点在动物实验中的验证链条。
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。
推荐理由:药企可在自有数据不出域的前提下联合训练虚拟细胞模型,为跨公司数据协作提供了一种组织方式。
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
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。
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。
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。
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。
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。