arXiv cs.AI· Zhaokang Liang, Shuyang Zhuang, Xiaoran Jiao, Hao Chen·· 11 小时前AI 评分38
CellCanon：统一预测、解释与观测驱动更新的智能体细胞世界模型
CellCanon: An Agentic Cellular World Model for Prediction, Explanation, and Observation-Driven Updating
AI 导读
CellCanon 是首个智能体细胞世界模型，统一单细胞表达预测、有证据支撑的解释与观测驱动更新。在 339 个留出的 SciPlex3 条件上，其差异表达 AUPRC 与 Macro-F1 分别比最佳基线提升 63.3% 和 17.3%，方向 Macro-F1 提升 7.2%。
正文 · AI 翻译
摘要：生物学发现需要利用分子知识和新的测量来推断超出已观察条件的响应。我们提出 CellCanon，这是首个智能体细胞世界模型，统一了单细胞表达预测、基于证据的解释和观察驱动的更新。其预测核心在基因特异性数值读数之间复用条件级生物学证据，以指导单细胞表达生成。共享世界状态将预测、获取的测量和来源关联的声明联系起来，支持解释和修正。在三种细胞系的 339 个留出 SciPlex3 条件上，CellCanon 的差异表达 AUPRC 和 Macro-F1 分别比各指标的最佳基线提高了 63.3% 和 17.3%，方向 Macro-F1 提高了 7.2%。相对于在匹配的药物-细胞队列上进行逐基因推理，Predict 和 Explain 的实测语言模型 token 使用量分别下降了 99.77% 和 98.41%。在基于来源的基准上，Explain 正确回答了所有可回答的问题并给出支持性证明，并识别出所有证据不足的情况。在模拟实验反馈中，Update 对每种药物使用一个实测来源上下文，在不改变模型权重的情况下，在差异表达 AUPRC 和 Macro-F1 上超过了最佳微调基线。总之，这些能力支持对细胞响应的累积性描述，其预测和生物学判断可以随着证据的积累而修正。
| 评论： | 31 页，5 幅图。代码：此 https URL |
| 主题： | 定量方法 (q-bio.QM)；人工智能 (cs.AI) |
| 引用为： | arXiv:2611.05890 [q-bio.QM] |
| （或 arXiv:2611.05890v1 [q-bio.QM] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.05890 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Shuyang Zhuang [查看电子邮件]
[v1]
2026 年 11 月 4 日星期三 03:29:21 UTC（572 KB）
来源：arXiv cs.AI · arxiv.org