掌控生物学 —— Fabian Theis，Helmholtz MunichControlling Biology - Fabian Theis, Helmholtz Munich

播出信息

• 日期：2026-11-06
• 时长：3050 秒（约 50 分 50 秒）
• 音频：收听本集
• YouTube：观看本集
• Episode：节目页面
• 英文来源：youtube-captions；下列跳转时间以提供的官方章节为准。

背景

Fabian Theis 长期研究单细胞计算生物学，参与建设 Scanpy、AnnData 与 scverse 等研究者日常使用的开放工具，并在 Helmholtz Munich 推动计算健康研究。本集讨论的“虚拟细胞”，不是一张细胞图谱，也不只是识别细胞类型的模型：更有挑战性的目标是，给定细胞状态及药物、基因操作或环境变化，预测细胞接下来会怎样。

这使问题从“观察到哪些细胞”，转向“施加什么输入会得到什么结果”，最终转向“为了得到目标结果，下一步该做什么实验”。

总结分析

Theis 对虚拟细胞热潮的判断既积极又克制。积极的一面是，单细胞测量已从大量观察细胞，走向同时覆盖更多基因操作、药物与培养条件；类器官和空间组学又把细胞间相互作用带进了研究范围。这让模型有机会学习过去缺少的“输入—输出”关系。克制的一面是，细胞基础模型的规模并未自动转化为可靠的干预预测：训练目标、任务难度、数据划分和评价指标，都可能比参数量更能决定结论。在线性模型仍有竞争力的简单任务上宣称复杂模型获胜，尤其需要警惕。

本集最清楚的技术区分，是“表示细胞状态”与“预测干预后的状态转移”。前者可以借助大规模预训练；后者还需要真正覆盖干预的实验数据及生成式预测方法。进一步走向类器官时，模型不仅要处理单个细胞，还要描述邻域、空间位置和多细胞系统的反应。商业化讨论也沿着同一逻辑展开：单卖“解码生物学”的平台故事很难证明价值，而独特实验数据、药企合作以及能够反复执行的模型—实验闭环，可能构成更扎实的能力。Theis 最后的展望不是声称生物实验已可完全自动化，而是提出一个更可检验的进阶：从绘制图谱，到预测，再到选择实验，并在真实实验反馈中持续改进。

节目结构 / 议程

1. 从细胞图谱走向可控制的生物学 — 00:00 🎧 · ▶️
2. Biohub 投入与虚拟细胞的真正问题 — 01:35 🎧 · ▶️
3. 数据瓶颈从“细胞数”转向“干预覆盖” — 05:43 🎧 · ▶️
4. 转录组是读数，干预是更广义的输入 — 08:20 🎧 · ▶️
5. 类器官让实验更接近多细胞现实 — 13:30 🎧 · ▶️
6. 空间邻域仍缺少共同的描述语言 — 17:15 🎧 · ▶️
7. “苦涩的教训”在生物学里有前提 — 21:50 🎧 · ▶️
8. 基础模型：先学状态，再学操作后的变化 — 25:45 🎧 · ▶️
9. 线性基线与评价指标，决定“进步”是否可信 — 31:50 🎧 · ▶️
10. Helmholtz Munich：长期研究与转化如何并存 — 34:43 🎧 · ▶️
11. 公司护城河：模型之外，还要有数据和客户需求 — 44:34 🎧 · ▶️
12. Y 型培养与实验闭环：从预测走向选实验 — 49:29 🎧 · ▶️

分节详解

1) 从细胞图谱走向可控制的生物学 — 00:00 🎧 · ▶️

💬 他们说了什么：开场先提出本集终点：过去建立人类细胞图谱，是在“绘制地图”；干预预测模型让研究者推测细胞会如何变化；下一步则是反过来选择实验，把系统推向期望状态。主持人随后介绍 Theis 的单细胞研究及 Scanpy、AnnData、scverse 工具生态。

💡 为什么重要：这三个阶段的成功标准不同。图谱看覆盖和注释，预测看未见条件下的准确性，“控制”则必须看模型建议能否在实验台上兑现。

⚡ 争议点：从预测到控制不是顺理成章的一步。即使模型能预测给定操作的平均结果，也未必能找出可执行、稳定且安全的最佳操作。

2) Biohub 投入与虚拟细胞的真正问题 — 01:35 🎧 · ▶️

💬 主持人以 Biohub 宣布的 18 亿美元多方合作为引子，询问药企是否会重新重视虚拟细胞。Theis 认为，决定性变化是数据生成能力；其团队早在 2019 年便以 scGen 探索干预预测，但当时的数据集和问题相对简单。他将核心任务表述为：预测具有历史状态、分子层次与环境背景的细胞，对不同输入会作何反应。

💡 药物筛选需要知道同一种操作对不同细胞类型会产生什么效果，而不只是寻找一个脱离细胞环境的分子。虚拟细胞因此有明确的药物研发需求。

⚡ Theis 明确说自己主要从学术视角观察行业，不能据此断言药企投资已经全面转向。他也提醒，不能把“虚拟细胞”等同于单一的干预预测任务。

3) 数据瓶颈从“细胞数”转向“干预覆盖” — 05:43 🎧 · ▶️

💬 Theis 举例说，已有单次实验测量约 1000 万个转录组；更关键的进展，却是过去稀疏的干预轴正在扩展：例如在约 100 种细胞系上进行大规模 CRISPR 操作，或测试成批、约 1000 种药物。其团队也在探索类器官干预。

💡 观察到再多未经干预的细胞，也不能直接回答“如果加药或改变基因会怎样”。只有细胞状态和操作条件都被充分采样，模型才可能学习状态转移。

⚡ 实验规模不等于生物覆盖。细胞系中丰富的操作组合，未必能迁移到原代组织、含免疫细胞的微环境或患者体内。

4) 转录组是读数，干预是更广义的输入 — 08:20 🎧 · ▶️

💬 单细胞转录组可粗略视为记录约 2 万种基因转录本表达量的高维向量，研究者据其分布辨认细胞类型和分化轨迹。主持人先用 CRISPR 基因敲除解释“干预”；Theis 则将范围扩展到药物、激素、邻近细胞信号、培养基条件、较细微的遗传差异，以及这些因素的组合。

💡 如果只把干预理解为“敲掉一个基因”，模型会漏掉药企筛选和真实组织环境中的大量输入。疾病状态与时间也会改变同一操作的结果。

⚡ 转录组只是细胞状态的一种读数，不能完整代表蛋白质、代谢或细胞功能；高维表达变化也不必然意味着研究者已理解其机制。

5) 类器官让实验更接近多细胞现实 — 13:30 🎧 · ▶️

💬 Theis 描述了由细胞培养出的微型多细胞系统：神经细胞可以连接并相互通信，心脏类器官可以出现搏动；肠道、癌症及部分难以直接取得组织的疾病研究也可使用类器官。他强调，这比只包含较单一细胞背景的细胞系多了一层相互作用。

💡 药物或基因变化在组织中的效果，往往取决于细胞之间如何通信。类器官提供了测试多细胞反应的实验场所，也让虚拟细胞的目标从“一个点”延伸到“一个系统”。

⚡ 类器官并非缩小版的完整人体器官。Theis 特别提到免疫系统可能缺席，营养供应等条件也与体内不同；不能把盘中结果直接当作临床效果。

6) 空间邻域仍缺少共同的描述语言 — 17:15 🎧 · ▶️

💬 在分离的单细胞数据中，“细胞类型”是方便研究者组织复杂性的类别；对于局部细胞邻域，Theis 认为领域尚无同样成熟的概念语言。目前可把邻域当作细胞分布处理，但图结构等表示也可能捕捉更细的空间关系。

💡 两个样本即使包含相近比例的细胞，只要排列、接触和信号传递路径不同，组织行为也可能不同。空间组学和类器官建模需要的不只是细胞清单。

⚡ 人为定义的“邻域类别”可能帮助解释，却也可能遮蔽连续、动态的组织结构；完全交给模型学习，则可能更难与病理学知识对接。

7) “苦涩的教训”在生物学里有前提 — 21:50 🎧 · ▶️

💬 面对“更多数据还是更强生物学先验”的问题，Theis 认为过强的预设可能损害预测性能；但干预条件的数据仍不像细胞观察数那样丰富，因此混合模型当前仍可能适用。他区分了临床上追求最佳预测的需求，以及科学上追求可理解解释的需求。

💡 模型设计不能只凭“可解释”或“大模型”标签取胜，而要看数据所在的具体规模区间，以及任务究竟是预测还是机制解释。

⚡ 某种先验在现有数据下有效，并不意味着数据增长后仍最优；反过来，预测更准也不自动提供因果解释，尤其在分布外条件下需要检验。

8) 基础模型：先学状态，再学操作后的变化 — 25:45 🎧 · ▶️

💬 Theis 认为，早期生物基础模型论文对规模收益的展示不足，训练损失和表示方式也仍在探索。团队的 scConcept 展示了随数据增加而改善的表现：他提及论文比较中约 3000 万个细胞的规模，以及后来约 3.5 亿个细胞、最多约 1 亿参数、跨 16 个物种的模型。但他强调，表示学习主要回答“细胞现在是什么状态”；预测给定操作后的状态，还需类似世界模型的状态转移方法，并谈到采用流匹配方法的 CellFlow。

💡 这给虚拟细胞拆出了两个可分别验证的模块：状态表示，以及在操作条件下生成后续状态。预训练表示有用，不等于它单独完成了药物或基因干预预测。

⚡ 在某些简单细胞分类任务中，逻辑回归依然表现强劲；Nicheformer 提出的“由单个细胞推测邻近细胞状态”则是更复杂的测试。不同任务的收益不能混为一谈，规模规律也须用明确的留出测试证明。

9) 线性基线与评价指标，决定“进步”是否可信 — 31:50 🎧 · ▶️

💬 Theis 回顾，器官内部的细胞类型分类可能不需要深度学习；跨器官任务则更复杂。对噪声较大的简单基因敲除预测，线性变化甚至“预测平均值”都应列入基线。谈及 Arc Virtual Cell Challenge，他指出部分指标可能被利用；在排除这类问题后，采用非线性、流匹配思路的方法仍显示价值。

💡 复杂模型有时确实必要，但必须在适合的问题上赢，并且赢过经过认真设置的简单方法。评价指标若偏离生物学目标，排行榜就可能奖励错误能力。

⚡ 比赛名叫“虚拟细胞挑战”，不代表一次竞赛能测完虚拟细胞的全部能力。数据留出方式、噪声水平和评分规则都会改变对模型优劣的判断。

10) Helmholtz Munich：长期研究与转化如何并存 — 34:43 🎧 · ▶️

💬 Theis 介绍，他参与建设的 Helmholtz Munich 计算健康中心约有 45 位课题组负责人和教授、500—600 名成员，覆盖从 DNA、蛋白质到细胞和患者队列的研究。中心与大学和医院合作，既有长期公共研究支持，也越来越强调研究成果向实际应用和创业转化。

💡 虚拟细胞牵涉多种尺度、数据类型与实验设施，单个短期项目难以独立完成。组织结构和稳定投入，会影响团队能否持续建设数据、工具和验证流程。

⚡ Theis 对机构规模及其欧洲地位的说法属于访谈中的估计或自述；研究团队规模本身，也不能替代具体模型的外部验证。

11) 公司护城河：模型之外，还要有数据和客户需求 — 44:34 🎧 · ▶️

💬 商业化讨论中，Theis 指出“建立生物学基础模型平台”很吸引人，但直接变现并不容易；一些平台公司最终转向具体药物资产。他举出与药企合作建设癌症类器官干预图谱的思路：企业为较早获取相关实验数据而参与，模型则与独特数据生成能力结合。谈到欧洲创业，他认为早期创立与资金并非唯一短板，扩大规模所需的大额融资更难。

💡 可持续业务需要回答谁付费、为了哪种决策付费，以及数据和实验流程能否持续产生别人难以复制的结果。只有通用模型名称，未必构成壁垒。

⚡ 专有数据能带来优势，却可能与开放科研目标形成张力；转向自研药物虽使价值路径更清晰，也会把公司带入昂贵、漫长且高风险的研发周期。

12) Y 型培养与实验闭环：从预测走向选实验 — 49:29 🎧 · ▶️

💬 本集后段的 Y 型培养模式，让方法学与领域研究者共同指导学生，使其同时进入计算和实验问题。在实验闭环上，Theis 介绍团队的 Lab Compass：希望由正向预测模型反推“为达到目标细胞状态该做什么”，并称与实验合作者完成了 3—4 轮模型与实验的迭代。他认为当前更接近主动学习；把强化学习全面用于这一流程仍是远景。

💡 闭环的难处不只是算出建议，还在于把生物问题定义为可测量目标、安排实验资源，并让实验人员愿意检验模型提出的反直觉方案。跨学科培养正是在训练这种协作能力。

⚡ 几轮迭代证明流程可以运转，不等于它已能稳定适用于不同组织、疾病和实验室。实验周期较长，也使“完全自动化、实时优化”的想象暂时超前于实践。

人物与机构

• Fabian Theis：本集嘉宾，Helmholtz Munich 计算生物学研究者；讨论单细胞工具、虚拟细胞模型、研究组织和实验闭环。
• RJ Honicky：主持人，节目中介绍其为 Miro Omics 首席技术官。
• Brandon Anderson：联合主持人，节目中介绍其在 Atomic AI 从事 RNA 治疗相关工作。
• Helmholtz Munich：Theis 所在研究机构；其计算健康中心连接多尺度生物医学研究与转化工作。
• Human Cell Atlas、scverse：分别代表大规模细胞图谱协作及开放单细胞软件生态。
• Biohub、Arc Virtual Cell Challenge：前者是节目开头讨论的数据投入案例，后者引出模型基线与评价指标问题。

金句

“从绘制地图，我们走向预测；现在，我们可以真正开始指导下一次实验。” ——Theis 对研究阶段的概括，依据英文发言译述。

“要做那些最花哨的深度学习方法，也请先把基线做好。” ——Theis 谈学生进行模型比较时的要求，依据英文发言译述。

“决定下一个最优问题是什么，并不简单。” ——Theis 论模型进入实验闭环的难点，依据英文发言译述。

洞见与延伸背景

• “世界模型”在这里有具体含义：输入不仅是细胞当前状态，还包括药物、基因操作或环境变化；输出是操作后的状态。这个定义比泛称“生物大模型”更容易设计验证实验。
• 任务难度应决定模型比较方式：辨认熟悉器官内的细胞类型，与预测陌生空间邻域或新干预结果，是不同级别的问题。一个任务上规模无收益，不能推断所有生物数据都没有潜在信息。
• 数据生成正在成为模型研究的一部分：如果算法可以决定下一批最有信息量的实验，数据集就不再只是训练前固定取得的原料，而成为研究流程中的可优化环节。
• 组织能力可能与算法能力同等关键：Y 型共同指导、药企参与数据生成、实验人员执行模型建议，分别解决问题定义、数据获取和真实验证三个瓶颈。

争议与需核实

• 官方章节与转写时点并不完全对应：尤其后半段，商业模式、Y 型培养和实验闭环的实际谈话顺序，与所提供的官方章节标题及时间点有明显错位。议程和分节标题依要求采用官方 seek；定位具体发言时，应同时参考音视频内容。
• Biohub 的 18 亿美元合作是主持人在节目中的介绍；合作范围、资金性质与最新状态，应以相关机构公告核实。
• 大规模模型数字来自嘉宾口头表述；细胞数、参数量及跨物种范围不等同于已证实的临床或干预预测收益。
• 竞赛指标问题须区分指标可被利用、任务设置不当，以及复杂模型本身无效这几种不同结论。
• Lab Compass 的发表及效果：录制时 Theis 称相关内容即将上传预印本；版本、实验设计和独立复现情况需要另查原文。

行动建议

• 做模型研究：先定义生物学上真正关心的未见条件，再同时报告平均值、线性方法与复杂模型的结果。
• 设计数据集：分别盘点细胞类型、干预种类、剂量、时间及空间环境的覆盖，而不是只报告细胞总数。
• 建设实验闭环：在实验开始前约定目标状态、成功指标、可执行操作及下一轮如何使用失败结果。
• 评估虚拟细胞公司：追问独特数据从何而来、谁为哪种决策付费，以及模型建议经过多少轮真实实验检验。

来源

• 本集 Episode 页面
• 本集 YouTube 视频
• 本集音频
• 英文材料：用户提供的 youtube-captions 转写及官方章节时间戳。