Briefings in Bioinformatics·· 1 天前精选AI 评分58
综述：虚拟细胞从机制建模到数据驱动整合的进展与挑战
Virtual cells: progress and challenges from mechanistic modeling to data-driven integration
AI 导读
这篇发表于 Briefings in Bioinformatics 的综述梳理了虚拟细胞研究的进展与挑战。虚拟细胞旨在用计算方式表示细胞状态，并预测细胞对遗传、化学、环境、时间和空间条件的响应。作者用状态编码（E）、状态转换（T）和观测解码（D）作为统一的概念框架，覆盖显式机制模型、数据驱动的基础模型与扰动模型、多模态系统以及空间与多尺度模拟。文章从模型边界、数据基础、资源披露、分布外评测、因果证据和实验验证等方面展开讨论，并指出独立基准显示参数数量和训练集规模并不会自动带来稳健的分布外泛化，仅靠转录组表征也无法完整刻画细胞的功能状态。
阅读原文
来源：Briefings in Bioinformatics · doi.org
推荐理由
综述用编码、转换、解码三层框架梳理虚拟细胞模型，并指出参数规模与训练集大小未必带来稳健的分布外泛化。
论文摘要 · AI 翻译
虚拟细胞旨在以计算方式表示细胞状态，并预测对遗传、化学、环境、时间及空间条件的响应。为便于比较，本综述采用状态编码（E）、状态转换（T）与观测解码（D）作为概念抽象，涵盖显式机制模型、数据驱动的基础模型与扰动模型、多模态系统，以及空间与多尺度模拟。我们考察模型边界、数据基础、资源披露、分布外评估、因果证据与实验验证。独立基准表明，参数数量与训练集规模并不会自动带来稳健的分布外泛化能力，而仅凭转录组表征无法捕捉细胞的完整功能状态。可信的虚拟细胞将需要扰动响应型转换、跨模态对齐、连续时间动力学、机制约束、校准的不确定性、独立实验验证，并在适当情况下引入闭环实验反馈。