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。
#评测/基准
BioTender精选AI 评分7474
Alex ZhavoronkovAI 评分2020 Avak Kahvejian谈虚拟细胞评估标准
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
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。
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。
Valence LabsAI 评分4242 Valence Labs 用 PRDC 评估生成模型
一个生成模型表面上看起来在正常工作，却仍可能无法输出你最关心的疾病相关细胞群或小分子。 幸运的是，我们有技术手段来诊断并纠正这些失败。 在最新一期 Valence at the Whiteboard 中，Liam 讲解了如何使用精确率、召回率、密度和覆盖率（PRDC）来评估生成模型，以发现细微的失败模式并了解如何应对。 完整视频：https://youtu.be/teIoP92Aeow