An Empirical Comparison of Virtual Cell Models: Perturbation Prediction, Representation, and the Baseline Gap

あなたは、生きている細胞の「デジタルツイン」を構築しようとしていると想像してください。現実の世界では、科学者たちは今、何百万もの個々の細胞の写真を撮り、遺伝子のスイッチを入れたり化学薬品を与えたりしたときに、それらがどのように反応するかを見ることができます。この分野の大きな夢は、単にこれらの写真を記憶するだけでなく、細胞がどのように機能するかを実際に「理解」する、超スマートなコンピュータプログラムである**AI仮想細胞（AI Virtual Cell）**を作り出すことです。もしあなたがこのAIに、「ねえ、この特定の遺伝子をオフにして」と伝えたら、そのAIは、たとえその特定の遺伝子をオフにした経験が一度もなくても、細胞がどのように変化するかを正確に予測できるはずです。それは、生物学のための「水晶玉」を持つようなものであり、ラボですべての可能性をテストする必要なく、新しい薬を設計したり疾患を理解したりすることに役立つかもしれません。

これらのAIによる水晶玉が本物なのか、それとも単なる手品なのかを知るためには、それらがどのようにテストされているかを知る必要があります。第一に、**摂動（perturbations）**があります。これは、遺伝子を削除したり薬を加えたりするなど、細胞に対して行う「変化」や「介入」を指す洗練された言葉です。第二に、**ベースライン（baselines）**があります。これは実験の「対照群」です。この場合、最も単純なベースラインは、細胞は全く変化しないと予想するか、あるいはその変化が単純なパーツの総和であると予想することです。最後に、**指標（metrics）**があります。これは、AIの成績をつけるためのスコアリングシステムです。もしあなたが、学生を、すでに読んだ教科書の内容を暗唱できるかどうかだけで採点したとしたら、その学生はA評価をもらえるかもしれませんが、それはその学生が新しい数学の問題を解けることを意味しません。科学者が問いかけているのは、「これらの洗練されたAIモデルは、本当に新しい問題を解いているのか、それとも単に教科書を暗唱するのが非常に得意なだけなのか？」ということです。

---

AI細胞大決戦：顕微鏡か、シミュレーターか

研究者のオリビア・デニス（Olivia Denvis）は、最も人気のある「仮想細胞」モデルを究極のテストにかけようと決めました。各モデルに独自のルールやデータ、スコアリングシステムを使わせるのではなく（これではリンゴとオレンジを比較することになってしまうため）、彼女は巨大で公平なアリーナを作り上げました。彼女は、単純な数式から大規模で複雑なニューラルネットワークに至るまで、11種類の異なるAIモデルを集め、それらすべてを9つの異なるデータセットを用いた6つの異なるチャレンジの中に投げ込みました。それは、どのAIが実際に細胞の反応を予測できるのか、そしてどのAIがただのブラフ（はったり）なのかを見極めるための、大規模な「バトルロイヤル」でした。

ここで、ひねりがあります。結果は少し衝撃的なものでした。

「水晶玉」の正体は、実は「顕微鏡」だった
最大の発見は、最も一般的なタスク、つまり「単一の遺伝子を操作したときに何が起こるか」を予測する場合において、これらの洗練された高価なAIモデルは、単純で安価な数学的トリックよりもほとんど優れていないということです。論文によれば、「適切に調整された線形ベースライン」（単に効果を足し合わせるだけの単純な計算機と考えてください）は、数百百万の細胞で学習した最も高度なAIとほぼ同等の性能を示しました。

実際、集まった中で最高のAIモデルであるStateは、単純な計算機に対してわずか**26%の向上しか示しませんでした。一方で、単純な計算機自体は、すでに「何も起きない」と予測する場合よりも19%**優れた性能を持っていました。計算のために数千時間のコンピュータ時間を費やして訓練された他の大規模なAIモデルの中には、単純な計算機よりも性能が低かったものさえありました。それは、ロケット科学者のチームを税務申告のために雇ったのに、結局、電卓アプリの方が十分に機能しており、しかもロケット科学者の方がミスをしているというような状況です。

「全遺伝子」スコアの罠
この論文から得られる最も重要な教訓の一つは、モデルをどのように採点するかについてです。多くの先行研究では、「全遺伝子ピアソン相関（all-gene Pearson correlation）」と呼ばれるスコアリングシステムを使用してきました。論文はこのスコアが一種の「罠」であることを説明しています。なぜなら、細胞内のほとんどの遺伝子は、摂動を与えても変化しないからです。そのため、「何も変化しない」と予測するAIは、この指標において非常に高いスコアを獲得してしまいます。それは、テストの質問に一切答えない生徒が、先生が答えなくてよい質問ばかりを採点しているためにA評価をもらってしまうようなものです。

論文は、実際に変化した遺伝子に焦点を当てたより優れたスコア（例えば「上位20個の変動遺伝子」など）に切り替えると、「何もしない」AIがクラスの最下位に沈み、モデル間の真の差が明らかになることを示しています。

AIが実際に輝く場面
では、これらのモデルは役に立たないのでしょうか？決してそうではありません！彼らはまだ「シミュレーター」ではなく、優れた「顕微鏡」なのです。

1. 表現（顕微鏡）： タスクが単に細胞を「記述」または「分類」すること（例えば、「これは肝細胞である」とか「これは癌細胞である」と言うこと）である場合、大規模なAIモデルは驚異的です。彼らは単純な計算機を大きく引き離します。彼らは生命の乱雑なデータを、整理された理解可能なグループへとまとめるのが非常に得意です。
2. 困難な課題（シミュレーター）： AIモデルが単純な計算機に打ち勝つのは、非常に特定かつ困難な状況においてのみです。
   • 組合せ的摂動（Combinatorial Perturbations）： 2つの遺伝子を同時に操作し、その結果が単なる2つの合計ではない（非加算的な）効果を生む場合、複雑なパターンを学習するAIの能力が活きてきます。
   • 化学的用量（Chemical Doses）： 薬物の異なる量に対して細胞がどのように反応するかを予測する場合、AIは単純な直線よりも複雑さをうまく扱います。
   • コンテキスト間転移（Cross-Context Transfer）： AIが一度も見たことがない細胞タイプに対して薬がどのように作用するかを予測しようとする場合、AIの「事前学習」された知識が、単純な計算機よりも適応を助けますが、それでも依然として苦戦しています。

結論
論文は、現在の分野は「仮想シミュレーター」というよりも、むしろ**「仮想顕微鏡」**に近い状態にあると結論づけています。私たちは細胞が「何であるか」を観察し、整理するための素晴らしいツールを持っていますが、新しい介入に対して細胞が次に「何をするか」を信頼してシミュレートできるツールは、まだ持っていません。

著者らはまた、この「魔法」のコストについても指摘しています。最も高度なモデルであるStateの訓練には、約42,000 GPU時間を要しました。これは膨大な計算量です。一方で、単一遺伝子の予測においてほぼ同等の性能を示した単純な線形ベースラインは、0.1 GPU時間未満しかかかりませんでした。論文は、これらのモデルが（単に他の遺伝子と通常どのように関連しているかではなく）なぜある遺伝子がそのような動きをするのかという「因果論理」を実際にシミュレートできるようになるまでは、高価なAIモデルは単純な予測タスクに対して過剰（オーバーキル）である可能性があることを示唆しています。

要約すると、「AI仮想細胞」は細胞が「何であるか」を理解するための強力なツールですが、細胞が次に「何をするか」を正確に予測するための水晶玉としては、まだ準備が整っていません。単純な計算機を真に凌駕するシミュレーターを構築するためのレースは続いていますが、今のところ、計算機がしっかりと踏ん張っている状態です。