Latent Space 播客对话 Fabian Theis：控制生物学与 Virtual Cell 的下一个难题
Controlling Biology - Fabian Theis, Helmholtz Munich
Helmholtz Munich 的 Fabian Theis 在 Latent Space 播客中谈 Virtual Cell 建模的现状：2025 Arc Virtual Cell Challenge 上许多复杂模型在 Perturbation Prediction 上甚至打不过常数基线，但校准更好的评测指标下深度学习模型能胜出。
← 对话Latent Space 播客
Fabian Theis 一直是 Virtual Cell 概念及各项计划多个迭代版本中的关键人物之一。毫不夸张地说，他的实验室一直在推动理解多尺度、多模态（"mult...
收听本次对话51 分钟
Fabian Theis 一直是 Virtual Cell 概念及各项计划多个迭代版本中的关键人物之一。毫不夸张地说，他的实验室一直在推动理解多尺度、多模态（"多组学"）、随时间变化的生物数据的前沿算法。
事实上，他通过在 Helmholtz 的领导工作、多家初创公司，以及很可能在 Biohub 本身，塑造了大规模愿景和数据收集的方向。
近来 AI x Bio 领域的关注点大多集中在蛋白质与分子设计上。AlphaFold、ESM 和 BioHub、Chai、Leash、Isomporphic、Boltz、Genesis、Octant、Baker Lab 等等，不胜枚举。在最初的诸多热情之后，Virtual Cell 项目受到的关注有所减少，很大程度上是因为人们质疑大规模模型在解决哪怕最基本的 Virtual Cell 问题上的有效性。
一笔 18 亿美元的押注
几周前 Biohub 的公告因其（实在）巨大的数字而获得大量媒体报道：来自 Biohub、NIH、DOE、Google 和 Meta 的 18 亿美元承诺[1]。讨论中提到新的成像与测量能力、生成大型数据集，并将数据开放用于训练 AI。
https://x.com/biohub/status/2107819946034266562
但为什么这些组织现在要加倍下注？这些计划已经酝酿多年，是什么让现在成为推进的最佳时机？
新的测量能力和规模化基础设施正在上线，这使得 Biohub 的推进很可能对科学产生重大影响。DOE 和 NIH 正在开发规模化实验室在环自动化能力。Google 正在扩大并拓宽其连接组学能力（即将推出相关节目！）。Biohub 本身也与众多的实验室合作，开发和改进成像平台，如激光相位板显微镜、光片显微镜，以及能为常规显微镜揭示深层表型数据的高级后处理技术。这些技术正在快速成熟，并很可能在 Biohub 计划中发挥重要作用。
虚拟细胞的困境
这类多尺度、多模态的数据很像 Fabian 职业生涯中一直在建模的数据。另一方面，Virtual Cell 建模却遇到了一些问题，浇灭了人们对系统生物学的热情。
2025 年的 Arc Virtual Cell Challenge 揭示了这个问题：一系列论文指出，常数基线（连线性模型都不是！）在"扰动预测"（Perturbation Prediction）任务上往往胜过复杂模型。如果你改变细胞的输入或程序（通过基因编辑、药物或其他环境因素），细胞的状态会如何变化？令人失望的发现是，许多模型连最基本的基线都打不过 🤦♂️。
实际情况并没有那么糟：
https://www.nature.com/articles/s41587-026-03307-w
这篇出色的论文表明，许多现有的评估指标校准不佳：由于大多数基因几乎不发生变化，这些指标可能奖励一个信息量很低的均值预测。在使用校准更好的指标时，深度学习模型可以超越均值基线。
问题本身才是问题
尽管如此，Fabian Theis 认为，在现有数据集下进行扰动预测并不是一个足够困难的问题，不值得使用复杂算法。相反，我们应该专注于 Biohub 刚刚宣布投入 18 亿美元收集数据所要解决的那些问题：利用大规模、高精度、多尺度、共同配准的生物数据来预测分子 → 细胞 → 微环境 → 组织 → 器官 → 生物体的演化，以及这些不同尺度之间如何相互影响。
这是一个令人欣慰的局面：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、非常大。我们对这些不同“适用领域”之间的“尺度界面”缺乏理解，我们也缺乏数据。Biohub 计划旨在解决数据问题，而 Fabian Theis 多年来一直在研究为这些更大规模问题建模的算法。
我周围的其他细胞如何改变我的状态？扰动之后细胞的分布会发生什么？我如何扰动一个细胞，让它进入我想要的状态？
这些问题正变得日益复杂，它们正逐步走向“实验室在环”和大规模实验，而且（实际上）需要越来越复杂的模型。
模型驱动精准医学
Fabian 的实验室和计划也在大力投入：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，为精准医学开发预测性和机制性模型。计算生物学研究所则开发统计和动力学模型，整合从单细胞时间序列到群体尺度组学数据的生物信息。
鉴于他身处前沿的核心位置，在“什么才算困难”这一概念变化如此之快的当下，我们非常兴奋能有机会用一小时听他讲述 Fabian Theis 对虚拟细胞（Virtual Cells）的思考。
我们还讨论了：
虚拟细胞的商业模式
生物学中的苦涩教训——我们的常青话题
培养下一代计算生物学家
闭合“实验室在环”
[1] NIH 的经费属于前期投入
感谢阅读
比别人稍微领先一步。
新鲜的观点、原创的报道和深入的对话，直达你的收件箱。
来源： Latent Space · latent.space