发表期刊：ICLR 2026
研究领域：计算生物学、虚拟细胞
ML/DL方法：生物知识图谱、检索增强生成、语义与结构相似度融合、思维链推理
文章创新：
将药物作用机制、基因功能和相似实验纳入统一推理流程，预测单个基因的扰动响应。
构建GeneTAK，将药物扰动转录组转化为差异表达与变化方向两类分类任务。
同时输出预测结果及其依据，便于核查候选机制和设计后续实验。
1
研究背景
预测药物处理后的基因表达变化，是虚拟细胞研究的重要任务。现有方法多从扰动实验中学习表达变化规律，但面对未见药物时，预测能力受训练数据覆盖范围限制。即使预测结果接近实验观测，模型也未必能说明药物通过哪些靶点和通路影响目标基因。如何同时利用已有实验和生物学知识，并给出可以核查的判断依据，是VCWorld主要关注的问题。
VCWorld将结构化生物知识、相似扰动实验与大语言模型结合，针对“某种药物在特定细胞系中是否影响某个基因、使其上调还是下调”作出判断。作者在包含5个细胞系、348种药物的GeneTAK上评估该框架：两类任务的平均F1分数均为0.63，高于所比较的基线。
2
从表达量预测转向基因响应判断
常见的扰动预测模型以处理前的表达谱和扰动条件为输入，输出处理后的表达谱。VCWorld则将问题拆分到单个基因，使用细胞系—药物—基因三元组作为预测单位，分别完成两项任务：
差异表达预测：判断目标基因在药物处理后是否发生差异表达。
变化方向预测：针对差异表达基因，判断其上调还是下调。
这一调整使药物靶点、基因功能和通路关系能够直接参与判断。例如，模型可以检索作用机制相近的药物，查看它们是否影响目标基因，再结合细胞背景分析这种影响能否迁移到当前问题。但分类结果只描述是否变化及变化方向，不提供表达量、效应大小或变化速度。
为支持这一任务，作者从Tahoe-100M中构建GeneTAK，选取C32、HOP62、HepG2C3A、Hs 766T和PANC-1五个细胞系，覆盖348种药物，并保留2,000个高变基因。差异表达标签由处理组与对照组的统计比较得到。因此，三元组标签表示特定条件下的基因响应，并不等同于对每个细胞独立作出的预测。
3
VCWorld如何组织知识与实验依据
VCWorld的整体流程可以概括为：输入细胞系、药物和目标基因，检索相关知识与历史实验，由LLM综合判断，输出分类结果和文字解释。作者将其称为生物学世界模型；从具体实现看，核心是知识与实验支持下的推理，而非基于反应动力学方程的数值模拟。
将数据库记录整理为可用于推理的生物学描述
框架整合PubChem、DrugBank、UniProt、Gene Ontology、Reactome、STRING和 ORUM等数据库，以药物、基因、蛋白质、通路及蛋白复合物为节点，以靶向、相互作用和功能注释等关系连接节点。不同数据库通过标准化标识符对齐，再去除重复记录。
这些记录先由固定模板转成事实陈述，再由LLM整理为药物作用机制、基因功能及潜在上下游影响的简要描述。附录还说明，系统会过滤缺乏特异性的高连接度节点，并优先保留可信度较高的功能和通路注释。这样可以减少无关信息，但输入知识及生成描述仍需核查。
结合语义和结构，检索具有参考价值的实验
检索不只依赖名称或文字相似度。对于药物，框架同时考虑作用机制描述和分子指纹；对于基因，则结合功能注释与蛋白质相互作用网络关系。将语义信息权重设为0.7，结构信息权重设为0.3，以兼顾功能关联和结构关联。
系统分别从两类标签中选取相似实验：DE任务对应差异表达与非差异表达，DIR任务对应上调与下调。相反结果也进入上下文，可供模型比较什么情况下发生变化、什么情况下不发生变化。检索语料限定为训练集中的药物实验，测试药物的真实响应不参与检索。
按预设问题综合判断，保留解释依据
最终提示词要求模型依次比较相似药物、分析下游影响、寻找与目标基因有关的调控关系，再作出预测。这属于思维链CoT提示策略：它将判断组织成若干明确步骤，并不直接证明这些步骤符合真实细胞中的因果过程。
主实验使用Gemini-2.5-Flash，同时比较多个开源LLM。模型输出包含分类答案与文字解释；依据不足时，也可以回答无法判断。因此，VCWorld的可解释性主要体现在所引用信息和推断过程可以被阅读、追查和质疑。
4
实验结论
分类表现较好，但优势并未覆盖全部指标
文章规定按药物将数据划分为30%训练集和70%测试集，用于评估对未见药物的预测。比较对象包括GAT、CPA、scVI和STATE。对于输出连续表达量的基线，作者先将预测表达谱转换为分类结果，再计算相应指标。因此，以下结论限于GeneTAK的分类任务和论文报告的实现条件。
采用Gemini-2.5-Flash时，VCWorld的变化方向预测准确率为0.66—0.72，高于GAT的0.52—0.61。差异表达任务中，其精确率和召回率平均为0.59和0.68，说明模型在减少误报与覆盖真实变化之间取得了较好的平衡。不过，不同LLM的表现并不一致，Gemini-2.5-Flash也并非在每个细胞系、每项任务上都最优。
生物学上下文和分步推理均影响预测
消融实验表明，仅检索相似样本不足以达到完整框架的表现。以DE任务为例，按上表的五个细胞系结果取算术平均，完整Gemini-2.5-Flash配置的准确率约为0.68；去除生物学上下文后约为0.52，去除CoT提示后约为0.59。这说明，在该评估设置下，相关知识与分步分析都有助于预测。
模型对检索规模也较敏感。附录将参考案例数从5增至10后，三个细胞系的平均明确作答率由0.64升至0.87。不过，作答率衡量的是模型能否给出确定答案，不能据此认定答案更准确，或生成内容已得到事实验证。
5
机制解释能提供什么：以MKI67为例
论文以Larotrectinib对MKI67的影响展示解释过程。MKI67编码增殖标志蛋白Ki-67；Larotrectinib抑制原肌球蛋白受体激酶，影响与细胞增殖和存活有关的信号。模型检索到Afatinib等药物的实验记录，将受体激酶信号受抑MKI67变化联系起来，最终预测Larotrectinib使MKI67下调。
作者将该预测与既有研究中Larotrectinib处理后Ki-67阳性细胞比例或蛋白信号降低的现象相对照，提供了方向一致的旁证，但蛋白标志物变化不等同于同一细胞背景下MKI67转录水平的直接验证。该案例的意义在于提出可检验的机制假设，并明确给出参考依据。
6
适用范围与尚待解决的问题
预测对象仍限于药物引起的基因分类响应
现有实验覆盖五个细胞系中的化学扰动，主要评价是否差异表达及变化方向。由这一任务设置可见，结果尚不能证明模型能够重建完整表达谱、连续响应轨迹或细胞表型。基因扰动、通路扰动和组合扰动也被作者列为后续方向。
可读的解释仍需逐项验证
知识图谱提供事实线索，相似实验提供类比依据，但从这些信息推导出的新关系仍是机制假设。作者所称的白盒主要指解释过程可追溯，并不意味着LLM的内部计算透明，也不意味着推断关系已经确认为因果关系。
VCWorld将虚拟细胞研究中的一个具体问题转化为知识与实验共同支持的推理任务：预测药物是否影响目标基因，并说明判断依据。这一框架的主要包括，生物知识描述、正反两类参考实验和分步分析。GeneTAK上的分类结果及MKI67案例说明，这种组织方式可以改善部分预测指标，并为机制假设提供可核查的来源。进一步确认其价值，还需要统一评估设置、核查生成解释，并在更多细胞背景和扰动类型中开展独立验证。
基于文章中所使用的先进技术，包括深度学习，联川生物为您提供最前沿的生物分析解决方案。联川生物的专业团队将这些先进技术与丰富的经验相结合，为您提供高效、精准的服务。无论您的需求是基础研究还是临床诊断，我们都能够为您提供量身定制的解决方案。选择联川生物，让您的研究获得最新科技的支持，开创更广阔的科学道路。
论文链接：https://openreview.net/forum?id=hhq89Hs7T3
