联川生物联合 KAUST 发布单细胞基础模型 Speciesformer，首次将细胞注释、扰动模拟与虚拟细胞生成放进同一框架
——
单细胞测序已经让研究者能"看见"每一个细胞，但能不能"预测"一个细胞在药物刺激、基因敲除之后的命运，长期以来是个悬而未决的问题。近日，由联川生物联合阿卜杜拉国王科技大学（KAUST）等单位在 bioRxiv 预印本平台发布跨物种生成式单细胞基础模型 Speciesformer，试图把这件事变成现实。
跨物种，一直是单细胞 AI 的"最后一公里"
单细胞测序技术极大推动了细胞生物学研究，但一个现实障碍始终横在前面：不同物种的基因序列差异、组织与细胞的复杂微环境，让跨物种的生物学知识难以迁移。对于 AI 驱动的虚拟细胞建模而言，这意味着模型很难把在一个物种上学到的规律，复用到另一个物种上。
更大的缺口在于能力本身。当前主流的单细胞基础模型，大多聚焦细胞识别、注释这类"判别式"任务，缺乏完整的细胞生成与扰动模拟能力——它们能描述一个细胞"是什么"，却难以回答"如果"：如果敲掉这个基因、如果加这种药，细胞会变成什么样。这正是从"观测细胞"迈向"预测细胞行为"之间，尚未被打通的环节。
一套 1.31 亿细胞的数据集，加一个"宏基因"思路
Speciesformer 的做法，是先解决数据与表征两个底层问题。研究团队搭建了超大规模跨物种训练集 SpeciesCorpus，覆盖 11 个物种、154 种组织、923 种细胞类型，细胞总量达 1.31 亿。在此基础上，模型提出"宏基因（macrogene）"策略，跳出传统一对一直系同源基因比对的框架，基于进化树逆向构建一个共享基因空间，把不同物种的转录组对齐融合，同时保留各物种特有的转录信息。
简单说，这套策略不再要求物种间基因"一一对上号"，而是让模型在进化的维度上理解细胞状态的共性与差异，为跨物种知识迁移扫清了技术障碍。
一套架构，同时干三件事
Speciesformer 采用编码器—解码器一体化的生成架构，把三类能力整合进同一个框架：
第一，跨物种细胞解析。基于 Transformer 的自监督编码器，在海量多物种数据上预训练，输出具备生物学意义的细胞、基因表征，可直接用于跨批次、跨物种细胞注释、基因调控模块挖掘与遗传扰动解析。在多个基准数据集上，其综合性能优于 scGPT、UCE、CellFM 等主流模型。
第二，转录组与生物文本双向生成。输入单细胞表达谱，模型能输出可读的细胞生物学描述；反过来，输入一句自然语言的细胞状态提示词，即可生成仿真伪细胞转录组，并在零样本场景下还原细胞的标志性基因表达特征。
第三，扰动条件下的细胞状态预测。给定初始细胞状态，结合基因敲除、药物处理、细胞因子刺激等干预描述，模型可预测扰动后的完整转录组，支持基因组合扰动与药物剂量应答模拟，并具备零样本跨环境预测能力。
虚拟细胞，正在从概念走向商业工具
对科研人员来说，Speciesformer 的意义在于把此前割裂的任务——细胞注释、比较组学分析、虚拟细胞生成、扰动模拟——收敛到一个模型里。这意味着在发育生物学、免疫机制解析、肿瘤药理、靶点挖掘等场景中，研究者可以先在计算机上完成药物与基因扰动的预筛选，再回到实验室验证，从而显著降低试错成本。
联川生物方面表示，公司依托多年单细胞、空间组学的实测数据积累，正在打通"高质量实验数据—AI 大模型—虚拟细胞预测"的业务闭环。后续团队将持续迭代 Speciesformer，进一步融合空间转录组与空间蛋白质组信息，把组织微环境、细胞间相互作用纳入虚拟细胞体系，并将模型能力落地到科研服务流程。
关于联川生物
杭州联川生物技术股份有限公司成立于2006年，总部位于中国杭州，是一家面向国际的高通量测序和多组学服务商。公司围绕中心法则提供基因组与微生物组、转录组、表观组、蛋白质组、代谢组以及单细胞时空多组学的测序和分析服务，已协助客户发表SCl论文超过13000篇，累计影响因子超过83000，平均影响因子>6，囊括Nature、Cell、Science、新英格兰医学诸多顶级期刊。
参考文献
Jiacheng Wang, Jiaqi Dong, Guowei Li, et al. Speciesformer learns conserved cellular states for cross-species generative virtual cell modeling. bioRxiv, 2026.
（免责声明：此文内容为本网站刊发或转载企业宣传资讯，仅代表作者个人观点，与本网无关。仅供读者参考，并请自行核实相关内容。）
