🧬 biology

What Makes a Virtual Cell a World Model? Three Gaps, Three Experiments, and a Roadmap

本文提出了一个用于“虚拟细胞世界模型”（VCWMs）的结构化框架，旨在通过定义形式化需求、通过三个实验展示当前能力的不足这一实证证据，并概述一个包含开发多尺度、交互式细胞模拟器所需的诊断能力阶梯的分阶段路线图，来解决当前能力与真实世界建模之间的关键差距。

原作者： Chang Yu, Jingbo Zhou, Cheng Tan, Stan Z. Li, Xiaodong Liu, Xiaoming Zhang, Zhaoxiang Zhang, Zhen Lei, Zhongqi Wang

发布于 2026-07-21

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Chang Yu, Jingbo Zhou, Cheng Tan, Stan Z. Li, Xiaodong Liu, Xiaoming Zhang, Zhaoxiang Zhang, Zhen Lei, Zhongqi Wang

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

想象一下预测天气的场景。你可以拍一张现在天空的高分辨率照片，然后说：“看起来有很多云。”这是对现状的极佳描述。但如果你想知道明天是否会下雨，或者突然的一阵狂风会如何改变云层，仅靠一张照片是不够的。你需要一个理解大气“规则”的模型——空气如何流动、水蒸气如何转化为雨滴，以及一处变化如何像涟漪一样影响整个系统。这就是“静态照片”与“世界模型”之间的区别。

现在，将这个想法从天空缩小到生命的最小构建单元：细胞。多年来，科学家们一直利用人工智能构建“虚拟细胞”。其中一些虚拟细胞就像高级相册，通过捕捉细胞基因和蛋白质的快照来描述它现在的样子。另一些则像是算命先生，试图猜测在医生给予药物后，细胞可能会变成什么样。但一个大问题始终悬在这一领域上空：这些虚拟细胞是真的理解了生命是如何“运作”的，还是仅仅擅长“猜测”？如果我们想要利用人工智能设计新药或治愈疾病，我们需要知道我们的虚拟细胞能否真正模拟未来，而不仅仅是描述现在。

这篇题为《什么是虚拟细胞的世界模型？》的论文，扮演着这场高风险游戏中的严厉裁判。作者指出，仅仅因为一个计算机程序使用了“世界模型”这类高级词汇，并不意味着它真的就是一个世界模型。他们提出了一种测试这些系统的新方法，指出了当前技术在三个主要“差距”上的短板。

三大差距：为什么“优秀的猜测”还远远不够

作者识别出了当前虚拟细胞误导我们的三种具体方式，使我们误以为它们比实际更聪明。

快照 vs. 电影（表征 ≠ 动力学）：
想象你有一个拥有数百万张汽车照片的图书馆。你可以训练计算机完美地识别出一辆红色跑车。但如果你问这台计算机：“如果我猛踩刹车会发生什么？”它可能并不知道。它知道汽车“看起来”是什么样，但它不知道汽车运动的“物理规律”。论文显示，许多当前的 AI 模型只是在拍摄更好的细胞照片（表征）。它们非常擅长描述细胞“现在”的状态，但在预测细胞“未来”的变化方面却表现不佳。在一项实验中，研究人员发现，虽然这些模型在描述当前状态方面有了很大进步（增益约为 +0.21），但在预测细胞未来命运方面的提升却微乎其微（增益仅为 +0.019）。这就像拥有一个能精准告诉你现在穿着什么的水晶球，却无法告诉你五秒钟后你会不会被鞋带绊倒。
水晶球 vs. 方向盘（预测 ≠ 干预）：
现在，想象一个天气应用可以告诉你：“如果下雨，地面会变湿。”这是一种预测。但一个真正的“世界模型”应该能让你追问：“如果我通过人工增雨来‘制造’降雨，会发生什么？”并向你展示随之而来的整个连锁反应。论文通过要求 AI 模型模拟一系列事件来测试这一点：“如果我改变基因 A，然后再改变基因 B，会发生什么？”研究发现，虽然模型可以猜出单一变化的最终结果，但当被要求将该结果作为下一次变化的起点时，它们就失败了。在测试中，当尝试将预测进行链式组合时，误差显著增加（从 295.67 跳升至 320.12），且模型完全无法预测组合变化的后果（成功率为 0%）。这意味着 AI 只是在猜测故事的结局，而不是理解中间的剧情转折。
多功能工具 vs. 交响乐（多模态 ≠ 多尺度）：
科学家们现在正向 AI 模型同时喂入各种数据：RNA（细胞的指令）、蛋白质（劳动者）和染色质（文件柜）。这就像是给 AI 一个集成了螺丝刀、小刀和开瓶器的多功能工具。但拥有所有工具并不意味着 AI 知道如何盖房子。论文表明，虽然这些模型可以发现不同工具之间的联系（比如注意到某种特定的螺丝刀通常配某种特定的螺丝），但它们并没有真正理解改变其中一部分如何影响整个机器。在一项实验中，研究人员试图观察改变“文件柜”（染色质）是否会改变“指令”（RNA）。尽管模型知道它们相关，但指令的实际变化却极其微小（约为 10⁻³），这证明模型并未真正学习不同层级的细胞是如何协同工作的。

路线图：构建真实的虚拟细胞

那么，我们该怎么办？作者并不是说我们应该停止构建这些模型，而是说我们需要诚实地面对它们的能力边界。他们提议建立一个能力的“阶梯”来为这些系统评分，而不是仅仅给出一个单一的分数。

第 0 级： 仅仅是一个快照。它能描述细胞，但无法预测未来。
第 1 级： 它能猜出下一步，但只能进行一次。
第 2 级： 它能持续进行，模拟一系列变化，但仅限于简单的变化。
第 3 级： “终极目标”。这是一个真正的世界模型。它能模拟长期的、复杂的连续变化，理解不同层级的细胞（从分子到组织）如何相互沟通，并能告知其预测的可信度。

论文概述了实现这一目标的路线图。首先，我们需要构建能够真正“展开”一系列事件（roll out）而非仅仅猜测结局的“候选”模型。其次，我们需要连接不同的生物尺度，使模型理解微小的分子变化如何向上波及整个组织。最后，我们需要构建“交互式”模型，使其能与科学家进行闭环协作：AI 提出实验建议，科学家在真实实验室中执行，然后 AI 从结果中学习以变得更好。

总结

其核心信息是一个温和但坚定的现实提醒。我们目前非常擅长构建能够描述细胞并猜测单次实验结果的 AI。但我们尚未达到拥有一个真正理解生命规则并能模拟未来的“虚拟细胞”的水平。作者并不是说这些工具没用，而是说在它们通过测试之前，不要再称它们为“世界模型”。通过设定这些明确的标准，他们希望引导科学家去构建能够真正帮助我们设计更好药物并理解复杂、动态的生命之舞的 AI。

技术摘要：“何为虚拟细胞世界模型？三个差距、三项实验与一条路线图”

问题陈述
虚拟细胞研究领域正迅速整合机制模拟器、单细胞基础模型、扰动预测器和多模态集成器。然而，“世界模型”一词正越来越多地被应用于具有本质不同能力的系统，从而造成了术语上的歧义。目前的系统往往将表示学习（representation learning）与动力学（dynamics）混淆，将终点预测（endpoint prediction）与干预（intervention）混淆，以及将多模态观测（multimodal observation）与多尺度建模（multiscale modeling）混淆。作者认为，如果没有一个结构化的框架，关于细胞系统具备“世界模型”能力的说法是站不住脚的，因为仅有表示能力、终点准确性和多模态覆盖度是不够的。核心问题在于缺乏一个正式的定义和评估标准，以区分真正的虚拟细胞世界模型（VCWM）与标准的预测器或编码器。

方法论与框架
本文提出了一个用于定义和评估 VCWM 的结构化框架，从既定的命名法转向一套必要的条件和诊断轴。

形式化定义：
借鉴强化学习中通用的世界模型定义（ $s_{t+1} \sim T(s_t, a_t)$ ），作者将 VCWM 形式化为一个元组：
$VCWM = (O, S, C, A, G_t, T_{\Delta t})$
其中：

$O$ ：细胞观测空间。
$S$ ：维护的、可更新的细胞状态。
$C$ ：上下文（分为生物上下文 $C_{bio}$ 和观测上下文 $C_{obs}$ ）。
$A$ ：干预空间。
$G_t$ ：随时间索引的生物结构（例如，调控图谱）。
$T_{\Delta t}$ ：可复用的转移算子。

五个必要条件 (NC1–NC5)：
要成为候选 VCWM，系统必须满足以下条件：

NC1： 显式的、可更新的状态表示。
NC2： 显式的、可调用的状态转移机制（而非独立的终点推理）。
NC3： 干预调节的转移（动作调制的是 $T_{\Delta t}$ 本身，而不仅仅是输出头）。
NC4： 支持基于共享起始状态的未来预测和反事实评估。
NC5： 操作不确定性和失效边界（校准后的弃权机制）。

三个诊断轴与阶梯：
作者引入了三个独立的轴，每个轴都有一个 L0–L3 的能力阶梯，以避免将不同的能力合并为一个等级：

动力学 (Dynamics)： 范围从 L0（快照表示）到 L3（具有受控误差增长的校准长程展开）。
干预 (Intervention)： 范围从 L0（动作仅作为元数据）到 L3（在未见过的干预下经过验证的反事实展开）。
尺度 (Scale)： 范围从 L0（单尺度）到 L3（双向跨尺度闭合，即细微尺度的变化向上传播，而粗略尺度的上下文约束低层尺度）。

主要贡献与实证结果
论文通过三项“动机实验”来实证地展示了当前最先进的系统所表现出的差距，即尽管具备先进能力，但仍未能达到 VCWM 的标准。

差距 1：表示 $\neq$ 动力学
- 实验： 使用 Weinreb LARRY 造血数据集，作者测试了通过 LoRA 微调后的 Geneformer 表示是否能改善当前状态的读出，还是能改善未来命运的预测。
- 结果： 虽然当前状态的增益显著（+0.2117），但未来命运的增益微乎其微（+0.0192）。
- 结论： 丰富的表示并不本质地编码用于未来状态预测所需的动力学；除非基础模型暴露了维护的状态和转移过程，否则它们在动力学阶梯上仍处于 L0 水平。
差距 2：预测 $\neq$ 干预
- 实验： 使用 Norman K562 Perturb-seq 数据和 GEARS 模型，作者测试了通过迭代应用扰动（将一次扰动的预测输出作为下一次的输入）来实现“状态空间闭合”。
- 结果： 与直接预测相比，迭代复用导致平均流形 L2 误差增加了 +24.46，且正向组合率为 0%。
- 结论： 预测终点并不保证该输出构成一个可用于后续干预的有效、可复用的状态。转移算子在迭代下是不闭合的。
差距 3：多模态 $\neq$ 多尺度世界建模
- 实验： 使用 SHARE-seq 小鼠皮肤数据和 MultiVI 模型，作者评估了学习到的 RNA-ATAC 关联是否能驱动干预效应。
- 结果： 虽然模型学习到了很强的关联（是随机对照的 2.78 倍），但对染色质进行的线性化干预（开启/关闭与 DORC 相关的峰）对预测 RNA 的变化微乎其微（ $\sim 10^{-3}$ ）。
- 结论： 学习跨模态关联并不等同于学习能够模拟干预效应的操作性、跨尺度转移关系。

意义与路线图
作者声称其意义不在于提供一个基准或最终解决方案，而在于提供一个“用于评估的严谨基础”，以防止将有用的组件过早地归类为世界模型。

澄清歧义： 文中区分了 AI 虚拟细胞（AIVC）的愿景与 VCWM 候选者的标准，明确指出目前的系统往往在状态、转移和干预方面缺乏必要的承诺。
分阶段路线图： 作者提出了实现进展的分阶段路线图：
- 第一阶段（候选 VCWM）： 重点在于建立共享状态、可调用的转移以及不确定性报告。
- 第二阶段（多尺度与结构感知）： 集成结构化约束（调控图谱、空间邻域），这些约束将限制转移算子 $T_{\Delta t}$ 。
- 第三阶段（泛化与交互）： 实现向留置生物学上下文的迁移，并实现闭环科学规划，即智能体通过查询 VCWM 获取反事实信息，从而优先安排湿实验。

作者强调，该框架并不假设存在经生物学验证的因果闭合或统一的基准生态系统。相反，它旨在确保在进行复杂的交互式应用之前，关于“世界模型”的说法已通过状态维护、转移可复用性和干预调节动力学的证据得到了证实。

技术摘要：“何为虚拟细胞世界模型？三个差距、三项实验与一条路线图”

类似论文