训练自2.67亿个单细胞数据的AI虚拟细胞模型——STATE，无需实验，预测细胞对药物或基因扰动的反应

近日， Arc 研究所 发布了其 第一代虚拟细胞模型—— STATE ，该虚拟细胞模型旨在 预测各类干细胞、癌细胞和免疫细胞对药物、细胞因子或基因扰动的反 应。 STATE 模型基于 1.67 亿个细胞的观察数据以及超过 1 亿个细胞的扰动数据进行训练，这些数据涵盖了 70 种细胞系。该论文已于近期发表在了预印本平台 bioRxiv 上。 撰文丨王聪 编辑丨王多鱼 排版丨水成文 人体是由 细胞 （Cell） 构成的马赛克，其中，免疫细胞通过增强炎症来对抗感染；干细胞可以分化成各种组织；癌细胞避开调控信号而无节制地分裂。然而，尽 管这些细胞之间存在显著差异，但这些看上去截然不同的体细胞都携带着 （几乎） 相同的基因组。 细胞的独特性不仅源于 DNA 的不同，更在于每个细胞对 DNA 的使用方式。换句话说，细胞的特性源自基因表达的变化，即基因在不同时刻的"开启"和"关闭"。 细胞的基因表达模式——以 RNA 分子的形式体现，而 RNA 分子本身又是从 DNA 转录而来，基因的表达不仅决定了细胞的类型，还决定了细胞的状态：细胞基 因表达的变化可以揭示细胞如何从健康状态转变为炎症状态，甚至癌变。通过测量有或无化学或基 ...