原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象你的身体是一座庞大而繁忙的城市，每一个细胞都是一座微小的公寓楼。在每座楼内，成千上万个开关（基因）控制着灯光、供暖和安全系统。基因调控网络（GRN）本质上就是那张总蓝图或“布线图”，它展示了哪些开关控制着其他哪些开关。
长期以来，科学家们试图通过观察这座城市的快照来绘制这张布线图。但最近，一种名为“单细胞基础模型”的新型超级智能计算机程序，已在数百万张这样的快照上接受了训练。这些模型就像是“城市专家”，它们阅读过所有曾经绘制过的蓝图。
本文提出了一个简单却棘手的问题：这些“城市专家”程序是否真正理解了布线图？如果是，我们该如何从中提取这些知识？
以下是研究人员所做工作的简要说明，通过几个类比来阐述：
1. 侦探大赛
研究人员组织了一场“竞赛”，看看谁能画出最好的布线图。他们将六个最新、最先进的 AI 模型（“基础模型”）与三种较旧的、传统的方法（“经典基线”）进行了对决。
他们在六个不同的“街区”（数据集）上测试了这些模型，并将其绘制的图纸与四份不同的“黄金标准”地图（参考网络）进行了比较。
2. 秘密知识藏在哪里？
研究人员意识到，这些 AI 模型就像巨大而复杂的图书馆。他们想知道关于布线图的知识究竟藏在图书馆的哪个确切位置。他们考察了三个具体位置：
- 书封（Token Embeddings）： 模型在最初开始阅读时学到的基本标签。
- 终章（Hidden States）： 模型在处理完所有信息后所形成的深刻理解。
- 高亮标记（Attention Scores）： 模型在做出决策时最关注的部分。
获胜者： 在“零样本”测试（即 AI 在未被专门教导布线图的情况下必须自行猜测）中，scGPT 模型夺得了冠军。当研究人员查看其“书封”（token embeddings）时，发现它在推测布线图方面优于旧方法。它正确识别了最重要的“开关”（转录因子），并绘制出了最接近真实黄金标准地图的图谱。
3. 时间旅行测试（动态过渡探测）
知道布线图固然很好，但它能否帮助你预测城市发生变化时会发生什么？例如，模型是否理解一个“建筑工地”细胞如何转变为一个“竣工大楼”细胞？
静态地图无法回答这个问题。因此，研究人员发明了一种名为动态过渡探测的新测试。
可以这样理解：假设你有一张毛毛虫（早期细胞）的照片。你要求 AI 利用其内部逻辑，逐步“重写”这张照片，直到它看起来像一只蝴蝶（晚期细胞）。AI 并未被告知“如何”做到这一点；它只需利用其关于细胞如何生长的内部知识。
结果： AI 模型确实做到了！它们成功地将早期细胞谱系“重写”为晚期细胞的样子，证明它们理解了时间和发育的流动。名为scFoundation的模型在这一时间旅行模拟中表现最佳。
结论
该论文得出结论：这些新的 AI 模型不仅仅是在记忆数据；它们实际上已经学会了基因如何相互对话以及细胞如何随时间变化的“游戏规则”。
然而，仅仅因为知识存在于模型内部，并不意味着它容易被找到。要获得最佳结果，取决于：
- 你使用哪个模型（有些模型是更好的架构师）。
- 它是如何训练的（它阅读了哪些类型的书籍）。
- 你如何提问（你查看了图书馆的哪个部分）。
简而言之，这些 AI 模型已经构建了细胞布线及其未来的强大内部地图，但我们需要正确的工具来正确解读这张地图。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。