一、AI能否预测细胞的未来？

想象一下，有一天我们不必一管管地做实验，就能在计算机中模拟细胞对基因敲除、药物处理乃至微环境变化的反应。这不再是科幻，而是“虚拟细胞”（Virtual Cell）研究的宏大目标。然而，当前各家模型精度参差、评价标准不一，真正能衡量谁更接近“真实细胞”的指标在哪里？

为此，Cell 近期发文 Virtual Cell Challenge: Toward a Turing test for the virtual cell 提出——借鉴蛋白质结构预测领域的CASP模式，创立首届“虚拟细胞挑战赛”，力图通过统一平台、公开数据和多维指标，为“细胞版图灵测试”搭建舞台。

挑战赛官网：https://virtualcellchallenge.org

专属数据集：Arc Virtual Cell Atlas https://arcinstitute.org/tools/virtualcellatlas

二、核心观点：为什么要办“虚拟细胞挑战赛”？

缺乏统一评测
过去模型多以内部数据或单一指标自我验证，难以横向比较，也无法推动社区形成共识。
数据质量与泛化能力成为瓶颈
现有扰动数据往往实验条件各异，模型容易“记忆”而非真正“理解”细胞生物学原理。
竞赛激发创新，汇聚社区智力
就像CASP让蛋白质折叠预测技术一飞冲天，一场公开、公平、年度化的竞赛能够集中力量解决评测与数据双重难题。

三、挑战赛设计亮点

1. 任务定位：上下文泛化

参赛者需在部分已知扰动数据（few-shot）帮助下，预测人胚胎干细胞（H1 hESC）中新基因敲低的全基因表达反应。
聚焦“跨细胞类型、跨条件”真实科研场景，强调模型对新情境的适应能力。

2. 高质量专属数据集

300 个基因扰动、约 30 万 单细胞转录组（scRNA-seq）数据；
使用 10x Genomics Flex 平台，单细胞覆盖度和测序深度经优化，确保每个扰动平均 1,000 细胞以上；
数据分为训练集（150 基因）、实时验证集（50 基因）及最终盲测集（100 基因），边比赛边迭代。

3. 多维度评测指标

指标名称	评测内容	意义
差异表达评分（DE score）	模型预测的差异基因与真实实验差异基因的匹配度	反映生物学解释力，判断模型是否捕捉关键基因响应
扰动判别评分（Perturbation score）	对比不同扰动效果的排名一致性	测试模型区分不同扰动细微差异的能力，防止“千篇一律”预测
全基因 MAE（Mean Absolute Error）	模型对所有基因表达量的平均绝对误差	全面检验模型整体拟合水平，补齐前两项的局部性局限

综合评分机制：结合三者加权排名，并设置各项阈值，确保模型平衡发展。

4. 支持跨团队协作与开源

官方提供 Virtual Cell Atlas、Tahoe-100M 等大规模公开扰动数据，以便模型预训练与对比；
公开排行榜与代码仓库，鼓励社区共享最佳实践、优化数据处理流程。

四、未来展望

推动标准化数据生产
挑战赛配置的高质量单细胞功能组学（scFG）实验流程与质量控制标准，将成为行业示范，指导后续数据集构建。
向多组学、多扰动组合迈进
今后赛题将扩展至蛋白组、表观组及时间／空间多模态数据，挑战更复杂的“多维细胞行为预测”。
开源竞赛催生工具生态
随着竞赛热度提升，可预见涌现一批针对 perturb-seq 数据处理、few-shot 适配、模型可解释性等方向的开源库与平台。
面向临床与药物开发的应用
一旦虚拟细胞预测精度达到实用水平，就能在药物靶点筛选、剂量优化、组合疗法设计等环节发挥辅助作用，大幅降低实验成本和周期。