VirTues：给「虚拟组织」预训练一个基础模型

⑤ VirTues：给「虚拟组织」预训练一个基础模型

生物医学 AI 这几年有一个悬而未决的矛盾：单细胞组学已经积累了海量数据，模型在「细胞」这个尺度上越来越强；但疾病发生在组织尺度——细胞的空间位置、邻里关系、微环境对话，决定了同样的细胞在不同位置干出完全不同的事。把单细胞模型直接搬去理解组织切片，就像用词典去读小说。

VirTues 的思路是让模型把三个尺度一次学到手：底层用单细胞蛋白质组数据学「词汇」，中层用空间蛋白质组切片学「语法」——哪些细胞挨着哪些细胞、以什么密度、构成什么结构，顶层再对齐临床结局——同一张切片背后是缓解还是复发。论文里最直观的演示，是模型能对一张组织切片做条件生成：改变某个细胞类型的丰度，「虚拟组织」随之重排，输出可比较的表型预测。

图1：从细胞词汇到组织语法再到临床语义的跨尺度对齐

这类工作的实际出口大概率是数字病理 + 药物试验：靶点扰动后组织会发生什么，先在虚拟组织上过一遍，再决定值不值得进动物实验。当然，眼下它仍是「基础模型」而非「产品」——跨实验室的切片染色批次效应、跨人种的组织差异，都是模型出实验室前要补的课。

来源：Nature（2026-08-05），Charlotte Bunne 团队

关联推荐

• AI 从头设计蛋白：RFdiffusion 与 BindCraft 正在重写生命分子 — 分子尺度与组织尺度的两场 AI 革命