11月19日,Arc Institute公布2026 Virtual Cell Challenge获奖队伍和最终成绩:Illumina BioInsight AI Lab以0.4399排名第一,独立研究者组成的FlowState以0.3348位居第二,Xaira Therapeutics的X-team以0.3263位居第三。榜单带来的科研信息,不只是“谁赢了”,还在于Arc第一次把比赛的成绩参照和前三名方法细节讲得更清楚。
我的判断是:本届最有说服力的进展,是把其他细胞背景已测得的扰动响应,经过证据筛选和背景适配,迁移到新细胞系。这当然是有价值的预测能力,但目前成绩并不等于从未见过的基因、情境或细胞机制都能被模型生成。得分0.4399也不能读成“准确率44%”:它是相对于细胞背景均值基线与实验重复参照的综合位置。
这场比赛到底让模型预测什么?
Arc给参赛者的是六种细胞系的未扰动对照细胞和待敲低基因名单,要求预测300项CRISPRi敲低后转录组如何改变。六种细胞系分成公开验证的Cal-33、HeLa、Jurkat,和决定最终排名的AC16、MOLM13、U-87MG。测试面板的300个靶标里,129个也出现在验证面板,另有171个是新靶标。
Arc把这里的“zero-shot”限定为:挑战数据没有提供这六种目标细胞系的扰动训练集。参赛者可以使用挑战以外的公开或私有资源,所以“没有目标细胞系的挑战训练数据”不等于“训练时从未见过这些基因或同类扰动”。事实上,Arc指出,300个测试靶标中只有一个没有在其他细胞系的公开数据里被扰动过;277个有K562数据,298个出现在X-Atlas/Orion的HCT116或HEK293T数据中。
这一区别决定了结果该怎样解释。比赛检验的是从已有扰动知识向新细胞背景迁移,而不是在完全没有相关生物学先验的条件下凭空创造响应。把其它细胞系数据用于迁移,是任务允许、也是重要的解题策略;它本身并不构成“数据泄漏”。真正需要审计的,是训练数据是否意外包含了本应保留的目标实验信息,或团队的验证流程是否使用了测试标签。

0.4399说明有进步,也说明离实验重复仍有距离
Arc将每项指标按细胞系缩放:0对应该细胞背景的平均响应,1对应真实实验数据随机半样本重复之间的参照。最终分数是六项指标在三种测试细胞系上的平均。因此0.4399的直观含义是,冠军预测整体覆盖了从均值基线走向实验重复参照这段距离的大约44%。它不是单个细胞的正确比例,也不是“44%的基因预测正确”。Arc也特别提醒,单项指标差异很大。
分项结果更能说明能力剖面。冠军的扰动辨别分数PDS为0.8313,均方误差指标MSE为0.6842;而恢复显著基因集合的Jaccard仅为0.0642,Fidelity为0.1908。换句话说,预测较擅长抓住不同扰动之间的相对差异或效应方向中的部分信息,但对“哪些基因真正显著变化、预测集合与实测集合是否重合”的恢复仍很有限。把几个指标揉成一个名次,会掩盖这种差别。
前三名也不是同一种模型的简单竞赛。Arc的复盘称,三支队伍都用了“参考扰动迁移”这个基本策略,主要差别在于如何汇总跨数据集证据、如何根据目标细胞对既有响应作适配,以及如何把预测效应转成虚拟细胞。冠军CellularAI采用统计迁移框架;亚军FlowState只用公开数据,将128项研究、86种细胞情境中的222个扰动响应数据集统一到带不确定性的表达变化表示;季军X-team则把预训练的X-Cell与参考扰动数据和统计校准结合。需要说明,Arc写明部分模型介绍依据参赛团队提供的信息,因为本届并不要求公开权重和代码;这些机制描述应视为赛事方整理的团队报告,而不是我们独立复现的结论。
手机阅读可左右滑动查看完整表格。
| 观察到的结果 | 能支持的判断 | 还不能推出 | 下一项关键检查 |
|---|---|---|---|
| 冠军总分0.4399,基线为0、实验重复参照为1 | 综合预测优于均值基线,并接近重复参照距离的约44% | 不是44%准确率,也不代表每项指标或每个细胞系都达到该水平 | 报告每个测试细胞系和六项指标的完整分数及置信区间 |
| PDS较高,Jaccard与Fidelity仍低 | 可区分部分扰动响应,显著基因集合的恢复更困难 | 不足以说明单基因机制、细胞功能或表型已被准确模拟 | 按效应大小、显著基因数和方向分别做预注册分析 |
| 前三队均使用跨数据集扰动参考 | 迁移与背景适配是当前有效路线 | 不能把胜利单独归因于大模型、数据规模或生成器 | 在相同数据和评估切分下做逐模块消融 |
| 亚军只用公开数据,仍获得第二名 | 私有数据不是登上领奖台的必要条件 | 不能据此比较公开与私有数据哪一种普遍更优 | 公布可复用输入、处理流程和盲测对照基线 |
冠军更像是“会挑参考、会做校准”的迁移系统
按Arc对CellularAI的描述,冠军先从扰动数据估计每个基因、每个扰动的变化量和不确定性,再做随机效应汇总;数据集与新目标细胞的对照状态越相似、测量越可靠、敲低效率越高,其证据权重也会随之变化。随后模型利用跨数据集的响应模式,根据目标细胞未扰动表达作适配,最后才生成符合预测统计特征的虚拟细胞。
这条路线有一层朴素但重要的逻辑:同一个基因敲低的下游效应,有些在不同细胞里共享,有些则依赖细胞背景。模型不必把所有旧数据当成等价证据,而应判断“哪些参考最像当前问题、它们彼此有多一致、目标细胞的状态能否提示偏移”。这和声称模型已经拥有一个可任意干预的细胞世界模型,是不同层次的主张。
我认为这次最值得关注的对照,不是“生成式模型对统计模型”,而是测得的扰动参考能提供多少可迁移信号,以及模型能否在新背景里识别参考何时失效。Arc指出,仅把其他细胞系已测到的响应搬到新细胞的对照细胞上、不额外训练,也能恢复相当一部分扰动特异信号。这个强基线意味着,未来模型不能只和均值预测相比;若没有“直接搬运参考响应”的对照,就很难知道复杂算法究竟学到了多少超出数据复用的能力。
同时,三个分项也提醒我们,模型正在解决多个不同任务:扰动身份辨别、总体表达误差、差异基因检测、变化方向和集合重合。一个模型在PDS上的优势,不保证它能准确预测差异基因名单,更不等于能预测细胞存活、分化或药物反应。转录组是重要的中间读出,不是所有生物学结果的代名词。
新的论文动向:数据来源审计要区分“线索”和“定论”
PubMed在11月18日收录了一篇关于单细胞基础模型基准数据谱系审计的论文 LeakageHunter-SCFM: Evidence-bounded dataset-lineage auditing for single-cell foundation model benchmarks(PMID 43051310;DOI 10.1016/j.jbi.2026.105128)。从目前能核对到的摘要看,作者提出从数据集编号、DOI、网址和代码仓库等线索追踪数据谱系,并将标识符重叠、需要人工核查的优先级、以及已确认的数据暴露分开。摘要强调,仅有标识符重叠不足以证明某个模型训练语料确实包含该数据,更不足以证明它造成了性能提升。
这篇论文不是对Virtual Cell Challenge获奖队伍的审计,本文也没有访问到全文,所以不能拿它替任何参赛者背书或定罪。它对竞赛解读的价值是方法论上的:应把允许的跨细胞系迁移与意外使用测试数据分开,并且让来源核对逐级升级——先发现线索,再核对具体版本与样本,最后才讨论是否构成污染及对结果有什么影响。只看到“某个基因或数据集相似”,不足以直接推导模型作弊或成绩虚高。
下一轮竞赛,怎样证明迁移真的泛化?
第一,完整公开每个测试细胞系、每项指标以及关键简单基线的成绩,尤其加入跨数据集直接转移参考响应的基线。排名之外还应展示不确定性和失败案例。第二,对数据处理和模型做消融:固定训练数据,只换适配模块;固定算法,改变参考数据来源;剔除与目标细胞最相近的数据集,观察成绩是否崩塌。第三,在比赛结束后另选未公开细胞背景与扰动,预先锁定模型和分析计划,再开展独立CRISPRi实验;同步确认敲低效率、实验重复和预测区间,而不是只挑模型最擅长的靶标验证。
我的当前结论可以被推翻。如果后续结果显示,获胜方案在没有相近参考数据的新细胞背景中仍稳定超越“直接转移”基线,优势覆盖显著基因恢复与多个功能读出,并通过前瞻实验复现,我会更愿意把它称为超越扰动签名复用的细胞状态预测。如果它的优势主要来自与训练资料接近的靶标或测量体系,或更换细胞背景后Jaccard等关键指标仍接近基线,我会把它理解为有效但范围有限的迁移工具。
挑战赛结果已把一个研究问题变得更具体:虚拟细胞系统不仅要生成看起来合理的表达矩阵,还要说明它如何选择证据、如何在新环境里校准、在哪些输出上优于简单参照,以及它何时会失败。2026年的榜单显示跨细胞系扰动迁移已经可测、也有实用进展;距离能可靠支持实验决策的模型,还需要更透明的消融和真正独立的前瞻验证。
参考资料
- Arc Institute. Virtual Cell Challenge 2026: Winners and Wrap-Up. 2026-11-19.
- Arc Institute. The 2026 Virtual Cell Challenge.
- Al-Khatib et al. LeakageHunter-SCFM: Evidence-bounded dataset-lineage auditing for single-cell foundation model benchmarks. Journal of Biomedical Informatics. PMID: 43051310; DOI: 10.1016/j.jbi.2026.105128. PubMed记录.
