腾讯联合中南大学，发《Cell》！

本文报道了腾讯生命科学实验室与中南大学合作发表在《Cell》上的研究。背景方面，人工智能虚拟细胞旨在模拟细胞在各种干预下的状态变化，但基因筛选（如全基因组CRISPR）与化学筛选之间存在巨大鸿沟，化学筛选受限于实验格式，难以覆盖庞大的类药化学空间，且两者表示方式不同，无法统一建模。研究目的是开发一个框架来跨越这一鸿沟。研究团队提出了UniPert-G2CP两阶段深度学习框架。第一阶段UniPert通过对比学习将基因和化学分子编码到共享语义空间，实现跨域比较；第二阶段G2CP利用迁移学习，先在CRISPR基因筛选数据上预训练，再用有限的化学数据微调，使从基因扰动中学到的知识迁移到化学扰动预测。验证显示该框架能高效模拟多细胞扰动效应，并为多种癌细胞系构建了扰动因果表示空间，揭示了药物反应异质性。结论认为，尽管计算预测仍需湿实验验证，但该框架为AI虚拟细胞开发提供了关键技术支撑，有望降低药物发现成本，推动精准医学发展。