输入药物和剂量，模型画出一条连续的基因表达曲线，这很接近研究者对虚拟细胞的期待：实验还没做，先知道细胞可能怎样变化。但同一张曲线，也可能是在整理已经测过的响应。两种能力对应不同的实验用途，需要不同的证据。
11月12日发表的PIANO研究，把生成式表达建模与亿级细胞整合放进同一框架。本文关心的下一步是：怎样把恢复已知响应的能力，转化成可以独立验收的未知干预预测？我们的判断是，先按未来要做的实验留出完整条件，再评价生成曲线的预测增量。
PIANO推进了什么：从整合表征走向条件表达生成
PIANO的正式摘要报告了跨物种、单细胞与空间转录组整合，以及超过一亿癌细胞的整合和药物扰动建模。其增量在于，模型除了提供整合后的细胞表征，还把协变量与表达生成连接起来，让研究者能询问“条件改变时，表达估计怎样变化”。这里的一亿细胞是作者报告的应用规模，不能直接换算成未知干预的准确率。正式论文与PubMed记录
作者代码使这个区别更具体：模型先从输入表达计数推断潜在状态，再结合给定协变量解码，返回基因的期望计数。类别或连续条件可以被替换；没有替换的条件如何处理，则取决于具体接口设置。它提供了开展条件模拟的工具，但输出是否适合某项前瞻预测，还要核对输入和验证方式。固定版本的编码与解码实现
剂量曲线需要怎样阅读：先问哪些数据参与了生成
可核对的作者预印本在药物建模方法中写明：模型在全部细胞上学习；生成某个药物与细胞系的响应时，再选取该组合的三个非零剂量及对照细胞，提取潜在表征并模拟浓度变化。这能展示模型从稀疏观测中恢复响应结构的能力。单凭这一设计，尚不能把曲线解释为对训练时完全未见条件的独立预测。 这是针对该预印本示例的判断，不能推断正式版全部实验都采用相同设计。作者预印本：药物建模方法
关键问题还有潜在状态来自哪里。如果目标是“尚未给药时预测给药结果”，评估输入原则上应限于那时可获得的信息。若潜在状态已经由目标条件下的处理后表达推断出来，任务就变成利用部分结果恢复响应；这仍可能有分析价值，但用途需要另行说明。
接口名也不能替代实验定义。PIANO的get_counterfactual支持更换协变量，默认设置会平均类别协变量编码并保留连续值。由此生成的表达，是否对应某个真实干预，需要结合条件覆盖、混杂因素与实验对照判断；不能仅因函数名含有“反事实”就认定因果效应已被识别。固定版本的接口说明
把未知干预拆成可检验任务
“泛化”过于宽泛。研究者准备补做的是同一细胞系的新剂量、已知药物的新组合，还是独立批次的重复实验？先确定这一点，才知道该留出什么。下面是本文提出的验证设计表，不是PIANO已经完成的成绩。
手机阅读可左右滑动查看完整表格。
| 未来要做的任务 | 训练时怎样留出 | 能回答什么 | 仍需注意什么 |
|---|---|---|---|
| 已知条件中的新细胞 | 在明确独立单位后留出部分观测 | 同条件下的重建稳定性 | 同一供体或培养重复跨集合，可能让结果偏乐观 |
| 已知药物与细胞系的新配对 | 整个药物×细胞系组合不进入开发 | 组合迁移能力 | 药物和细胞系本身仍可在其他组合中出现 |
| 已知配对的新剂量 | 留出整档剂量及对应重复 | 剂量条件泛化 | 区分训练范围内插值与范围外外推 |
| 独立批次的新实验 | 冻结模型、预处理与输出后再测 | 实验条件变化下的可重复性 | 需要匹配对照、重复和测量条件记录 |
全新药物又是另一项任务。如果方法只用训练中出现过的类别编码表示药物，就要先说明怎样表征新药，或明确当前接口不支持该问题。能填写一个条件字典，不代表模型拥有相应的零样本预测能力。
评价响应变化，才能看出模型增加了什么
如果只比较给药后表达与预测表达的整体相关性，细胞身份和原有高表达基因可能贡献大部分相似度。我们建议把主要目标写成“相对于匹配对照的变化”，同时报告绝对表达拟合，让读者看见模型恢复的是基线还是处理效应。
具体可比较响应方向、效应大小、预先确定基因集的排序，以及不同重复之间的一致性。基因集与评价规则应在开发阶段确定；不能看完测试结果，再只挑表现好的基因。简单基线也应使用同样允许获得的信息，例如直接沿用对照表达，或采用训练数据中可得到的平均响应。
这不是要求所有任务使用同一个分数。强效药物与弱效药物、不同细胞系及不同剂量的难度可能不同，应分别展示结果，并按独立生物学重复估计不确定性。模型在部分条件有增量，也应写清这些条件；一个总平均值不足以支撑所有用途。
产业合作为何让验收更重要
11月9日，DeepLife署名公告宣布与3billion合作，把TwinCell虚拟细胞平台与患者基因组学、药物化学能力连接，用于遗传修饰靶点和小分子发现。公告的报道日期与所述合作宣布日期均为11月9日，处于本期近七天窗口。它说明产业正在推动“模型—靶点—化合物”的衔接，但公告没有提供可供本文独立核验的前瞻性能比较，不能据此认定目标已经实现。公司原始合作公告
当模型用于安排实验，最重要的交付就包括：哪些条件值得优先测试，预测来自哪些允许使用的数据，以及实验失败时应当修改哪项假设。PIANO与TwinCell属于不同框架；这里把它们放在同一科研问题下讨论，不把二者当成已经完成统一比较的模型。
什么证据会推翻我们的判断？
本文提出一个可检验观点：用于挑选下一批实验的生成模型，应当先证明它在完整条件留出、输入受限时，对处理效应具有超出简单基线的增量。
课题组可以先选一个可操作的已知药物与细胞系范围，留出组合或剂量，锁定基因集、指标和基线，再用独立培养重复盲测。预测应在获取目标条件的测量结果前保存，并把失败条件一并报告。所需重复与样本量应按效应及精度设计，这里不设统一人数门槛。
如果严格验证后，优势只存在于已知条件恢复，本文就支持将该版本用于降噪、数据解释和候选探索，并收紧其前瞻预测用途。若它在独立实验中稳定预测未见条件的效应方向和幅度，且优于公平基线，就应承认它获得了超出重建的实质增量。即便如此，转录响应预测与靶点因果机制、药物临床效用仍需各自的证据。
如果正在规划虚拟细胞验证，可以带上研究任务、已有条件矩阵、允许使用的输入和候选输出，与云生信讨论留出设计及分析范围。联系云生信，沟通验证任务
检索与证据说明
检索日期为2026年11月15日，PubMed发表日期与新收录日期分别检索，窗口均为11月9—15日，去重得到18条候选。PIANO正式版电子发表与PubMed历史收录日期均为11月12日，PMID 43020064，DOI 10.1016/j.crmeth.2026.101661。本期围绕这一进展深化分析，不声称今天新增突破。
正式版摘要、出版元数据、固定版本代码及预印本可检索原文段落已核对；正式版全文与完整补充材料未能取得。药物示例的设计说明据预印本，不冒充正式版全部评估。本文没有运行模型或开展实验，表格、海报及验证路径均为作者分析与建议。
