随着系统生物学(Systems Biology)在更高分辨率、更广维度和更多模态下绘制生物图谱的努力不断升温,Fabian Theis 正在推动研究前沿从绘制图谱走向预测、进而控制生物学。
11 月 6 日 · 51 分钟
收听本次对话(51 分钟)

Fabian Theis 一直是虚拟细胞(Virtual Cell)概念及其多轮倡议的核心推动者之一。毫不夸张地说,他的实验室始终处于算法前沿,致力于理解多尺度、多模态(“多组学”,multiomics)且随时间变化的生物数据。
事实上,他在亥姆霍兹慕尼黑中心(Helmholtz Munich)、多家初创公司以及很可能在 Biohub 本身的领导工作,深刻塑造了大规模的研究愿景和数据收集格局。
近期“AI + 生物”(AI x Bio)领域的大部分关注都集中在蛋白质与分子设计上,例如 AlphaFold、ESM、BioHub、Chai、Leash、Isomorphic、Boltz、Genesis、Octant、Baker 实验室等众多项目。但在最初的兴奋退去后,虚拟细胞项目受到的关注相对减少,这在很大程度上源于人们对大模型在解决哪怕是最基础的虚拟细胞问题上的有效性产生了质疑。
18 亿美元的豪赌
几周前 Biohub 发布的公告因其庞大的资金规模引起了媒体的大量关注:来自 Biohub、NIH(美国国立卫生研究院)、DOE(美国能源部)、Google 和 Meta 承诺投入的 18 亿美元[1]。公告提到了新的成像和测量能力、生成海量数据集,并将这些数据开放用于训练 AI。
但为什么这些机构偏偏选在当下加倍下注?这些项目其实已经酝酿了数年,究竟是什么因素促使现在成为了发力的关键时机?
新的测量能力和规模化基础设施目前正逐步就绪,这使得 Biohub 的推动有望对科学产生深远影响。DOE 和 NIH 正在大规模开发“实验在环”(lab-in-the-loop)的自动化能力;Google 正在扩大并拓宽其连接组学(connectomics)能力(剧集即将推出!);Biohub 自身也已与多个实验室合作,开发并改进了成像平台,例如激光相位板显微镜(laser phase plate microscopy)、光片显微镜(light sheet microscopy)以及针对常规显微镜的高级后处理技术,以揭示深层次的表型数据。这些技术正在迅速走向成熟,并可能在 Biohub 的倡议中发挥关键作用。
虚拟细胞面临的困境
这类多尺度、多模态的数据,与 Fabian 职业生涯中长期致力于建模的数据形式高度重合。但从另一方面来看,虚拟细胞建模遇到了诸多障碍,给系统生物学的热潮泼了冷水。
2025 年的 Arc 虚拟细胞挑战赛(Arc Virtual Cell Challenge)揭示了这一问题:大量论文指出,在“扰动预测”(Perturbation Prediction)任务中,常数基线(甚至不是线性基线!)往往击败了复杂的模型。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),细胞将如何改变其“状态”?令人失望的发现是,许多模型甚至连最基础的基线方法都无法战胜🤦♂️。
不过情况其实并没有那么糟糕:
这篇出色的论文表明,许多现有的……
