CZI 发布首个虚拟细胞推理模型 rBio：对话推演基因变化

想用 AI 做严肃的生物学研究，科学家们一直挺头疼。让 ChatGPT 查文献写摘要还行，真要把复杂的原始测序数据扔给它做推理，模型立刻就抓瞎；至于直接在实验室做湿实验验证猜想，既费钱又耗时间。

陈·扎克伯格倡议（CZI）发布了一个专门用于生物学推理的大模型 rBio。它的思路很特别：不跟人类抢文献，也不硬啃有限的湿实验数据，而是直接把虚拟细胞模拟当成了 AI 的「生物老师」。

让虚拟细胞给推理模型当家教

生物学界其实不缺专门的模拟系统，CZI 此前就做过虚拟细胞模型 TranscriptFormer，能精准预测细胞类型、状态以及基因调控通路。但这类专业模型输入输出全是艰深的专业数据，跨系统整合极其麻烦，大部分研究人员根本玩不转。

由 CZI 资深 AI 总监 Theofanis Karaletsos 和资深研究科学家 Ana-Maria Istrate 带队的团队，决定换个打法。他们用现成的开源通用大模型打底，让它直接去学习 TranscriptFormer 模拟出的基因共表达模式和扰动规律。

这样一来，专业模型负责计算复杂的细胞机制，rBio 则负责把它「翻译」成科学家熟悉的自然语言对话。研究人员可以直接用大白话提问：如果我把基因 A 敲除掉，基因 B 的表达活性会上升吗？细胞会从健康状态转向病态吗？

生物学没有绝对对错，强化学习怎么训？

教 AI 解决数学题很简单，对就是对，错就是错。但生物学充满概率和不确定性，比如某种药物究竟有多大几率抑制肿瘤细胞，很难用简单的二元对错来衡量。

针对这个难题，CZI 改进了强化学习的反馈机制。他们不再只给对或错的离散奖励，而是根据回答贴近生物学概率的程度来动态调整奖励比例。这样训练出来的模型，既不会把话说得太死，又能提出符合生物学客观规律的科学假说。

测试结果相当亮眼。在生物扰动评测集 PerturbQA 上，rBio 的表现超过了 ICLR 2025 接收的 SUMMER 模型，也压过了基线大模型 Qwen 2.5。更有意思的是，即使只在非扰动的基因共表达任务上训练，rBio 也能在未经专项训练的基因激活或失活扰动任务中展现出优秀的零样本推理能力。

目前 rBio 已经在 CZI 的虚拟细胞平台上开放，并在 GitHub 开源了代码，团队也在 bioRxiv 上同步公开了预印本论文。

为什么重要

对于从事分子生物学和药物研发的研究人员来说，rBio 最大的价值是充当「廉价的预实验过滤器」。在把几十上百万美元砸进实验室做敲除实验前，研究员可以先用对话方式跑一遍推演，快速筛掉不靠谱的假设。

我们认为，CZI 这一步最聪明的地方，在于开辟了「用仿真模型蒸馏推理模型」的新数据路径。生物医学领域最大的死结就是真实高质量标注数据稀缺，而且各家实验室格式割裂；把高度专业化的数字细胞当作生成合成训练数据的源头，直接绕开了物理实验的数据瓶颈。

不过，它现在的局限也十分明显。rBio 目前的看家本领还仅限于基因扰动领域，处理更宏观的细胞系统时依然力不从心。此外，推理模型天生带有发散性，即便加上了安全护栏，如果研究员轻信其给出的分子反应建议而忽略实验验证，依然存在误导研发路线的隐患。但在基础科学与生成式 AI 结合这条赛道上，这种让复杂模拟走向平民化对话的尝试，看起来走对了方向。