虚拟细胞模型STATE的核心技术 - 基于1.67亿个细胞的观测数据和超过1亿个细胞的扰动数据进行训练，涵盖70种细胞系[3][7] - 由State Embedding（SE）模型和State Transition（ST）模型组成，SE处理未受干预数据，ST处理扰动反应数据[6] - 采用双向Transformer架构，利用自注意力机制捕捉生物和技术异质性[6] - 训练数据量超过现有任何模型，包括Tahoe-100M、Parse-PMBC、Replogle-Nadig等数据集[7] 模型性能突破 - 在Tahoe-100M基准测试中，扰动效应区分能力提升50%[7] - 识别差异表达基因的准确率是现有模型的2倍[7] - 首个在所有测试中优于线性基线模型的虚拟细胞模型[7] - 遵循Scaling Laws（标度律），性能随数据量增长呈幂律提升[9] 数据创新与整合 - 开发scBaseCount AI智能体，作为最大单细胞数据开源库统一数据收集标准[9] - 整合CRISPR基因编辑等扰动数据，直接捕捉基因间因果关系[8] - 能够建模技术噪声和批次效应，实现跨实验室数据整合[9] 应用场景展望 - 可模拟干细胞、癌细胞和免疫细胞对药物/基因扰动的反应[3] - 潜在应用模式类似AlphaFold，加速药物靶点发现流程[10] - 最终目标是通过计算机模拟数百万次干预，缩小实验假设范围[12] - 配套推出Cell_Eval评估框架和虚拟细胞挑战赛（冠军奖金10万美元）[12] 行业意义 - 针对90%临床候选药物失败问题，提升疗效预测准确性[3] - 首次在生物学领域验证Scaling Laws，延续DNA大语言模型Evo的研究路径[9] - 代表虚拟细胞模型第一代产品，未来将持续迭代提升精度[12][15]