虚拟敲除、过表达、筛选都做了，为什么机制仍然讲不通？

一个基因，做了虚拟敲除，又补了虚拟过表达，最后再放上候选药物筛选。图多了，研究故事却未必更清楚。

最容易被问到的仍然是：为什么选择这个基因？上调和下调的预测说明了什么？筛出来的分子，真的能沿着你希望的方向影响它吗？

本文把“三虚拟”限定为虚拟敲除、虚拟过表达、虚拟筛选这组分析。它不是一个统一算法，也不意味着自动得到三份相互独立的验证证据。

01｜敲除与过表达，不能简单做成正反两张图

在计算模型里改变一个基因的水平，可以用于探索预测响应。但“把一个数调高”和“在真实细胞里过表达”仍有距离：细胞背景、模型训练或拟合范围、调控关系以及扰动幅度都会影响解释。

以 CellOracle 为例，它用基因调控网络模拟扰动传播，估计细胞状态变化；官方文档明确提醒其模拟不以分布外预测为目标。因此，设定扰动水平时，需要检查数值是否远离数据支持范围，不能任意放大倍数后把结果当成确定的生物学响应。[1]

也不要默认一个虚拟敲除工具就支持等价的虚拟过表达。选择工具时，应分别核对可接受的输入、可模拟的扰动和可解释的输出。

02｜方向一致有帮助，但还要看证据是否独立

假设某条通路在敲除预测中降低，在过表达预测中升高。这是一个教学示例。它提示模型内存在方向一致性，值得进一步验证；如果两次分析都依赖同一数据、同一网络和近似线性的传播机制，这种一致性也可能部分来自模型设定。

真正需要补问的是：换一个独立队列是否还支持候选？改变合理参数后结果是否稳定？已有真实扰动数据是否提供额外支持？这些检查比反复调整参数直到图形“好看”更有价值。

这张表用于控制结论强度。三类预测能帮助组织假设，不能把“预测”三个字自动换成“证实”。

按海报中的顺序检查：先对齐研究对象，再看证据方向，最后确定缺口。这样才知道新增一个模块能解决什么。

03｜筛选结果要回到“想改变什么”

如果你的研究假设是抑制 A，那么“某分子可能与 A 结合”还不够。结合不等于抑制，表达签名逆转也不等于已经确认直接作用于 A。对接方法、表达签名筛选和后续实验回答的是不同层面的问题。

CellOracle 原始研究提供了一个有价值的示范：作者把部分计算预测进一步接到实验验证，而不是只停留在模拟图形。这说明计算方法可以帮助提出和筛选问题，实验仍承担验证特定预测的工作。[2]

04｜把新增计算用在检验假设上

需要重复计算时，优先投入到独立数据、合理扰动范围、必要对照和参数敏感性检查。一个亚群先跑通，再扩展到其他背景；保留失败与不一致的结果，便于判断哪些结论不稳定。

路线和代码已经明确的团队，可以自己执行并按资源需求租用环境。若已有多张结果图，却说不清相互关系，先做证据梳理更合适：租服务器解决执行容量，路线评估解决该执行什么。