Article · AI translation
Fabian Theis 一直是“虚拟细胞”概念及相关计划历次演进中的关键人物之一。毫不夸张地说，他的实验室一直在推动算法前沿，以理解多尺度、多模态（“多组学”）、随时间变化的生物数据。
事实上，他通过在 Helmholtz、各家初创公司以及可能在 Biohub 本身担任领导职务，塑造了宏观愿景和数据收集工作。
在 YouTube 上观看完整节目……
播放视频
在 YouTube 上打开视频 ↗
最近 AI 与生物学交叉领域的关注点大多集中在蛋白质和分子设计上。AlphaFold、ESM 和 BioHub、Chai、Leash、Isomporphic、Boltz、Genesis、Octant、Baker Lab，以及许许多多其他团队。经历了最初的高度热情后，虚拟细胞项目受到的关注有所减少，这在很大程度上是因为人们质疑大规模模型在解决哪怕是基本的虚拟细胞问题时是否有效。
18 亿美元的押注
几周前 Biohub 的公告因（确实）庞大的数字而受到广泛报道：来自 Biohub、NIH、DOE、Google 和 Meta 的 18 亿美元承诺投入[1]。相关讨论提到了新的成像和测量能力、生成大型数据集，以及提供这些数据用于训练 AI。
在 X 上查看帖子 ↗
但为什么这些组织现在要加倍押注这些重大投入？这些计划已经筹备多年，究竟发生了什么，让现在成为推进的时机？
新的测量能力和规模化基础设施如今正在投入使用，这可能使 Biohub 的推进对科学产生重大影响。DOE 和 NIH 正在大规模开发将实验室纳入反馈回路的自动化能力。Google 正在扩大其连接组学能力的规模和覆盖范围（相关节目即将推出！）。Biohub 自身已与多家实验室合作，开发和改进激光相位板显微镜、光片显微镜等成像平台，以及用于普通显微镜的先进后处理技术，以揭示丰富的表型数据。这些技术正在迅速成熟，很可能在 Biohub 的计划中发挥重要作用。
虚拟细胞面临困境
这类多尺度、多模态数据，与 Fabian 职业生涯一直致力于建模的数据非常相似。另一方面，虚拟细胞建模遇到了一些问题，削弱了人们对系统生物学的热情。
赞助广告您的赞助广告可刊登于此触达正在构建下一代产品的 AI 工程师。阅读 Latent Space 的人包括那些正在交付智能体、模型和基础设施的人。欢迎咨询此广告位的赞助事宜。
business@latent.space →
2025 年 Arc 虚拟细胞挑战赛凸显了这个问题：大量论文指出，在“扰动预测”中，恒定基线（甚至不是线性基线！）往往能胜过复杂模型。如果通过基因编辑、药物或其他环境因素改变细胞的输入或程序，细胞的“状态”会如何变化？令人失望的发现是，许多模型甚至无法超越最最基本的基线 🤦♂️。
实际情况并没有那么糟：
这篇出色的论文表明，许多现有评估指标的校准都不理想：由于大多数基因几乎没有变化，这些指标可能会奖励缺乏信息量的均值预测。使用校准得更好的指标，深度学习模型能够胜过均值基线。
问题在于问题本身
尽管如此，Fabian Theis 认为，在现有数据集条件下，扰动预测并不是一个难到需要复杂算法的问题。相反，我们应该聚焦于 Biohub 刚刚宣布投入 18 亿美元开展数据收集所针对的那些问题：利用大量、高精度、多尺度、配准的生物数据，预测分子 → 细胞 → 微环境 → 组织 → 器官 → 生物体的演变，以及这些尺度如何相互影响。
这是一个令人欣喜的局面：就在此刻，AI正使我们能够应对规模大得多的问题，而这个问题非常、非常庞大。我们尚不了解这些不同的“适用领域”之间的“尺度接口”，也缺乏数据。Biohub计划旨在解决数据问题。Fabian Theis多年来一直致力于开发模拟这些更大问题的算法。
播放视频
在YouTube上打开视频 ↗
我附近的其他细胞如何改变我的状态？受到扰动后，一组细胞的分布会发生什么变化？我该如何扰动一个细胞，使它进入我想要的状态？
这些问题日益复杂，正逐步迈向实验室参与的闭环研究和大规模实验，而且（实际上）需要越来越复杂的模型。
模型推动精准医疗
Fabian的实验室和相关计划也一直在大力投入：亥姆霍兹的计算健康中心结合AI、分子数据、医学影像、基因组学和临床数据，为精准医疗开发预测性模型和机制模型。计算生物学研究所开发统计模型和动力学模型，整合从单细胞时间序列到群体规模组学数据的生物学信息。
鉴于他身处这一前沿领域的主导位置，我们非常高兴能有机会与他交谈1个小时，了解在何为难题的界定正如此迅速变化之际，Fabian Theis如何思考虚拟细胞。
我们还讨论了：
虚拟细胞的商业化
生物学中的“苦涩教训”——我们常谈的话题
培养下一代计算生物学家
实现实验室参与的闭环
控制生物学——Fabian Theis，慕尼黑亥姆霍兹中心
Fabian Theis一直是虚拟细胞概念和相关计划历次发展中的关键人物之一。毫不夸张地说，他的实验室一直在推进算法的前沿，以理解多尺度、多模态（“mult...
潜在空间
[1] NIH的资金属于此前的投资