热门模型发布
腾讯AI虚拟细胞算法登《Cell》主刊，系国内首次
TL;DR · 一句话结论
腾讯生命科学实验室与中南大学在Cell发表UniPert-G2CP，首次将基因扰动和化学药物扰动映射到统一语义空间，解决化学扰动×细胞特异性响应难题，核心模块UniPert已开源。
主要内容
- 01成果发表于《Cell》主刊，系国内首次。
- 02覆盖4994个基因、7860个化合物和5种癌症细胞系。
- 03G2CP采用基因筛选预训练、化学筛选微调策略。
- 04ESR1内分泌耐药案例完成预测到机制解释闭环验证。
背景
传统药物响应预测多局限于单一扰动类型，难以模拟真实细胞中基因与药物交互。该研究将两类扰动映射到同一语义空间，使模型可跨域学习，并采用迁移学习弥补化学筛选数据不足。
为什么值得关注
为AI药物研发和虚拟细胞建模提供开源基础模型，开发者可直接使用UniPert进行扰动预测，降低生物信息学实验门槛。
🇨🇳
对中国用户与市场
中文科研团队原创成果登上国际顶刊，有望带动国内AI+生物计算开源生态，但国内用户访问和二次开发需关注模型许可与数据合规。
继续关注
⚠尚未确定的部分
- ·仅覆盖5种癌症细胞系，泛化能力需更多验证。
- ·开源范围仅核心模块UniPert，完整G2CP策略未必全部开放。
- ·从预测到机制解释的闭环仅单案例，可靠性待扩展。
→可采取的行动
- ·查阅UniPert开源代码，评估是否适用于自身药物筛选流程。
- ·关注后续是否扩展更多细胞系和化合物库。
- ·结合ESR1案例验证逻辑，设计类似机制解释实验。
#腾讯#中南大学#UniPert#G2CP#ESR1#Cell#AI虚拟细胞#药物研发#开源模型
🤖 本文根据 36氪 AI 的 RSS 内容整理，并由 AI 辅助提炼要点。完整上下文请以 原文 为准。