bioRxiv｜联川生物联合阿卜杜拉国王科技大学等单位，发布单细胞虚拟大模型

以 1.31 亿跨物种细胞数据训练,首次把细胞注释、扰动模拟与虚拟细胞生成收敛进同一框架

当大模型之争从通用对话蔓延到垂直产业,一条被低估的赛道正在升温:用 AI 模拟细胞行为,也就是"虚拟细胞"。近日,由联川生物联合阿卜杜拉国王科技大学(KAUST)等单位在 bioRxiv 发布跨物种生成式单细胞基础模型 Speciesformer,把细胞注释、扰动模拟与虚拟细胞生成三项能力收进同一框架。在 AI for Science 从概念走向落地的节点,这一动作背后是清晰的技术与数据壁垒。

壁垒一:1.31 亿跨物种细胞,是多数玩家短期无法复制的起点

单细胞基础模型的竞争,本质上首先是数据的竞争。Speciesformer 依托的超大规模训练集 SpeciesCorpus,覆盖 11 个物种、154 种组织、923 种细胞类型,细胞总量达 1.31 亿。这类高质量、多物种的实测数据,天然依赖企业在单细胞与空间组学服务端的长期积累,而非开源语料可以轻易补齐。

这意味着联川生物在数据端拥有先发优势:实测数据既是模型性能的上限,也是后来者绕不开的成本。在 AI 制药、细胞疗法等下游场景对高质量训练数据需求持续上升的背景下,这一数据资产的价值正被重新定价。

壁垒二:一个"宏基因"策略,拆掉了跨物种迁移的技术墙

跨物种一直是单细胞 AI 的"最后一公里":不同物种基因序列差异、组织与细胞微环境复杂,让模型难以把一个物种学到的规律迁移到另一个物种。多数主流模型(如 scGPT、UCE、CellFM)仍聚焦细胞识别、注释等"判别式"任务,缺乏细胞生成与扰动模拟能力。

Speciesformer 的关键突破在于提出"宏基因(macrogene)"策略——跳出传统一对一直系同源基因比对框架,基于进化树逆向构建统一共享基因空间,让不同物种的转录组实现对齐融合,同时保留物种特有信息。据研究团队披露,在多个基准数据集上,其综合性能优于上述主流模型。这套"进化感知"的表征思路,构成了可迁移、可扩展的技术护城河。

壁垒三:从“描述细胞”到“预测细胞”:单细胞研究正走向可落地的应用路径

更具想象力的是 Speciesformer 的生成式能力。依托编码器—解码器一体化架构,模型支持三大场景:转录组与生物文本双向生成(输入表达谱输出细胞描述,或输入自然语言生成仿真伪细胞);扰动条件下细胞状态预测(结合基因敲除、药物处理、细胞因子刺激,预测扰动后完整转录组,支持基因组合扰动与剂量应答模拟);以及跨物种细胞解析。

对下游客户而言,这意味着在药物发现、靶点挖掘、毒理评估等环节,可以先在计算机上完成预筛选,再回到实验室验证,显著压缩研发成本与周期。联川生物方面表示,公司正在打通"高质量实验数据—AI 大模型—虚拟细胞预测"的业务闭环,后续还将融合空间转录组、空间蛋白质组信息,把组织微环境与细胞互作纳入体系,并将模型能力落地到科研服务流程。

一个值得跟踪的信号

从产业视角看,Speciesformer 的发布,与其说是一次模型迭代,不如说是 AI for Science 商业化路径的一次样本:以多年实测服务积累的数据为底座,以跨物种生成模型为技术支点,向虚拟细胞这一上游入口延伸。

关于联川生物

杭州联川生物技术股份有限公司成立于2006年,总部位于中国杭州,是一家面向国际的高通量测序和多组学服务商。公司围绕中心法则提供基因组与微生物组、转录组、表观组、蛋白质组、代谢组以及单细胞时空多组学的测序和分析服务,已协助客户发表SCl论文超过13000篇,累计影响因子超过83000,平均影响因子>6,囊括Nature、Cell、Science、新英格兰医学诸多顶级期刊。

参考文献

Jiacheng Wang, Jiaqi Dong, Guowei Li, et al. Speciesformer learns conserved cellular states for cross-species generative virtual cell modeling. bioRxiv, 2026.