CZI 釋出首個虛擬細胞推理模型 rBio：對話推演基因變化

想用 AI 做嚴肅的生物學研究，科學家們一直挺頭疼。讓 ChatGPT 查文獻寫摘要還行，真要把複雜的原始測序資料扔給它做推理，模型立刻就抓瞎；至於直接在實驗室做溼實驗驗證猜想，既費錢又耗時間。

陳·扎克伯格倡議（CZI）釋出了一個專門用於生物學推理的大模型 rBio。它的思路很特別：不跟人類搶文獻，也不硬啃有限的溼實驗資料，而是直接把虛擬細胞模擬當成了 AI 的「生物老師」。

讓虛擬細胞給推理模型當家教

生物學界其實不缺專門的模擬系統，CZI 此前就做過虛擬細胞模型 TranscriptFormer，能精準預測細胞型別、狀態以及基因調控通路。但這類專業模型輸入輸出全是艱深的專業資料，跨系統整合極其麻煩，大部分研究人員根本玩不轉。

由 CZI 資深 AI 總監 Theofanis Karaletsos 和資深研究科學家 Ana-Maria Istrate 帶隊的團隊，決定換個打法。他們用現成的開源通用大模型打底，讓它直接去學習 TranscriptFormer 模擬出的基因共表達模式和擾動規律。

這樣一來，專業模型負責計算複雜的細胞機制，rBio 則負責把它「翻譯」成科學家熟悉的自然語言對話。研究人員可以直接用大白話提問：如果我把基因 A 敲除掉，基因 B 的表達活性會上升嗎？細胞會從健康狀態轉向病態嗎？

生物學沒有絕對對錯，強化學習怎麼訓？

教 AI 解決數學題很簡單，對就是對，錯就是錯。但生物學充滿機率和不確定性，比如某種藥物究竟有多大機率抑制腫瘤細胞，很難用簡單的二元對錯來衡量。

針對這個難題，CZI 改進了強化學習的反饋機制。他們不再只給對或錯的離散獎勵，而是根據回答貼近生物學機率的程度來動態調整獎勵比例。這樣訓練出來的模型，既不會把話說得太死，又能提出符合生物學客觀規律的科學假說。

測試結果相當亮眼。在生物擾動評測集 PerturbQA 上，rBio 的表現超過了 ICLR 2025 接收的 SUMMER 模型，也壓過了基線大模型 Qwen 2.5。更有意思的是，即使只在非擾動的基因共表達任務上訓練，rBio 也能在未經專項訓練的基因啟用或失活擾動任務中展現出優秀的零樣本推理能力。

目前 rBio 已經在 CZI 的虛擬細胞平臺上開放，並在 GitHub 開源了程式碼，團隊也在 bioRxiv 上同步公開了預印本論文。

為什麼重要

對於從事分子生物學和藥物研發的研究人員來說，rBio 最大的價值是充當「廉價的預實驗過濾器」。在把幾十上百萬美元砸進實驗室做敲除實驗前，研究員可以先用對話方式跑一遍推演，快速篩掉不靠譜的假設。

我們認為，CZI 這一步最聰明的地方，在於開闢了「用模擬模型蒸餾推理模型」的新資料路徑。生物醫學領域最大的死結就是真實高質量標註資料稀缺，而且各家實驗室格式割裂；把高度專業化的數字細胞當作生成合成訓練資料的源頭，直接繞開了物理實驗的資料瓶頸。

不過，它現在的侷限也十分明顯。rBio 目前的看家本領還僅限於基因擾動領域，處理更宏觀的細胞系統時依然力不從心。此外，推理模型天生帶有發散性，即便加上了安全護欄，如果研究員輕信其給出的分子反應建議而忽略實驗驗證，依然存在誤導研發路線的隱患。但在基礎科學與生成式 AI 結合這條賽道上，這種讓複雜模擬走向平民化對話的嘗試，看起來走對了方向。