Helmholtz Munich 的 Fabian Theis 谈如何控制生物学与虚拟细胞
Helmholtz Munich 的 Fabian Theis 认为，现有数据集上的扰动预测不够难，不足以支撑复杂算法，应转向 Biohub 刚宣布的 18 亿美元多尺度、多模态数据收集所对应的更大问题。他指出当前评测指标校准不佳，会奖励无信息的均值预测，校准后深度学习模型可超越均值基线。其团队还在用 AI、分子数据、医学影像与临床数据构建精准医疗预测模型。
Latent Space· RJ Honicky·2026-11-06 23:10· 27 分钟前AI 评分40
控制生物学 - Fabian Theis，Helmholtz Munich
AI 导读
Helmholtz Munich 的 Fabian Theis 在访谈中讨论虚拟细胞建模：现有数据集上的扰动预测不够难，不足以支撑复杂算法，应转向 Biohub 刚宣布的 18 亿美元多尺度、多模态数据收集所对应的更大问题。他指出当前评测指标校准不佳，会奖励无信息的均值预测，校准后深度学习模型可超越均值基线。其团队还在用 AI、分子数据、医学影像与临床数据构建精准医疗预测模型。
正文 · 原文
Fabian Theis 一直是虚拟细胞概念及各项倡议多轮迭代中的关键人物之一。说他的实验室一直在推动理解多尺度、多模态（“多组学”）、时变生物数据的算法前沿，这绝非夸张。
事实上，他通过在 Helmholtz 的领导工作、多家初创公司，或许还有 Biohub 本身，塑造了大规模愿景和数据收集。
AI x Bio 领域近期的许多关注都集中在蛋白质和分子设计上。AlphaFold、ESM 和 BioHub、Chai、Leash、Isomporphic、Boltz、Genesis、Octant、Baker Lab 等等，不胜枚举。在最初的兴奋之后，虚拟细胞项目受到的关注有所减少，这在很大程度上是因为人们质疑大型模型在解决哪怕基础的虚拟细胞问题上的有效性。
18 亿美元的赌注
几周前 Biohub 的公告因（确实）巨大的数字而获得大量报道：来自 Biohub、NIH、DOE、Google 和 Meta 的 18 亿美元承诺[1]。讨论中提到了新的成像和测量能力，生成大型数据集并使数据可用于训练 AI。
但为什么这些组织现在要加倍押注这些大赌注？这些工作已经筹备多年，是什么让现在成为推进的时机？
新的测量能力和规模化基础设施如今正陆续上线，这使得 Biohub 的推进很可能对科学产生重大影响。DOE 和 NIH 正在开发规模化的实验室在环自动化能力。Google 正在扩展和拓宽其连接组学能力（节目即将推出！）。Biohub 本身已与多个实验室合作，开发和改进成像平台，如激光相位板显微镜、光片显微镜，以及针对普通显微镜的先进后处理技术，以揭示深层表型数据。这些技术正在迅速成熟，并很可能在 Biohub 倡议中发挥重要作用。
虚拟细胞的困境
这类多尺度、多模态数据看起来很像 Fabian 职业生涯中一直在建模的数据。另一方面，虚拟细胞建模遇到了问题，这削弱了人们对系统生物学的热情。
2025 年 Arc 虚拟细胞挑战赛揭示了这一问题：大量论文指出，恒定基线（甚至不是线性基线！）在“扰动预测”上常常击败复杂模型。如果你改变细胞的输入或编程（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，许多模型甚至无法击败最基础的基线 🤦♂️。
情况实际上并没有那么糟：
这篇优秀的论文表明，许多现有的评估指标校准不佳：它们会奖励无信息量的均值预测，因为大多数基因几乎不发生变化。使用校准更好的指标后，深度学习模型可以超越均值基线。
问题在于问题本身
尽管如此，Fabian Theis 认为，在现有数据集下，扰动预测根本不是一个足够困难的问题，不足以需要复杂算法。相反，我们应该聚焦于 Biohub 刚刚宣布投入 18 亿美元数据收集工作所针对的那些问题：利用大规模、高精度、多尺度、配准的生物学数据来预测分子 → 细胞 → 微环境 → 组织 → 器官 → 生物体的演化，以及所有这些尺度如何相互影响。
这是一个令人欣喜的局面：此时此刻，AI 正使我们能够处理规模大得多的问题，而这个问题非常、非常大。我们缺乏对这些不同“适用域”之间“尺度接口”的理解，也缺乏数据。Biohub 计划旨在解决数据问题。Fabian Theis 多年来一直在研究为这些更大问题建模的算法。
我附近的其它细胞如何改变我的状态？扰动后细胞分布会发生什么变化？我如何扰动一个细胞使其进入我想要的状态？
这些是日益复杂的问题，正朝着实验室在环和大规模实验的方向发展，并且（实际上）需要日益复杂的模型。
模型驱动精准医学
Fabian 的实验室和倡议也一直在大力投入：Helmholtz 的计算健康中心结合 AI、分子数据、医学影像、基因组学和临床数据，为精准医学开发预测性和机制性模型。计算生物学研究所开发统计和动力学模型，整合从单细胞时间序列到群体规模组学数据的生物学信息。
鉴于他处于前沿的驾驶座，我们非常兴奋有机会获得他一小时的时间，来了解在“困难”的概念变化如此之快之际，Fabian Theis 如何看待虚拟细胞。
我们还讨论了：
虚拟细胞的商业
生物学中的苦涩教训——我们常年的主题
培养下一代计算生物学家
闭合实验室在环
控制生物学——Fabian Theis，Helmholtz Munich
Fabian Theis 一直是虚拟细胞概念和倡议各种迭代中的关键人物之一。说他的实验室一直在推动算法前沿，以理解多尺度、多模态（“mult...
[1] NIH 资金是先前投资
来源：Latent Space · latent.space
来源：RadarAI · aihot.news