腾讯 UniPert-G2CP 登《Cell》主刊:把基因扰动和化学扰动塞进同一个语义空间

一、研究背景:为什么「AI 虚拟细胞」值得发 Cell

药物研发长期被一个老问题卡住——同一个基因被敲低,在不同细胞里可能带来完全相反的药理反应;同一个化合物,在 A 癌细胞里能诱导凋亡,在 B 癌细胞里却毫无作用。这种「化学扰动 × 细胞特异性响应」的耦合,让传统的高通量筛选效率极低:业界每年能在 wet lab 里测出几十万条扰动曲线,但真正能落到机制解释的少之又少。

把这种「扰动—响应」数据喂给大模型,做出一台能预测「某个基因 / 某个分子打到某种细胞后会怎样」的虚拟细胞,过去三年一直是 Recursion、Insitro、DeepMind (AlphaFold 之后转向细胞建模) 等海外头部团队的方向。国内此前没有团队把这类工作推到《Cell》主刊的级别——大多数成果散落在 Nature Methods、Bioinformatics 或者 NeurIPS 会议 workshop 里。

二、UniPert-G2CP 做了什么

腾讯生命科学实验室与中南大学这次的核心贡献,是把两类异质扰动(基因扰动、化学扰动)统一映射到同一语义空间,用一个共享的表征底座同时学习两类信号。具体来说:

  • 核心模块 UniPert 负责把扰动编码成向量,已经开源(这是值得专门说的——多数虚拟细胞工作只发论文、不发代码);
  • G2CP 在 UniPert 之上做迁移学习:先在基因筛选数据上预训练,再在化学筛选数据上微调。这样模型既能从「敲掉基因」学到细胞状态变化的通用模式,又能从「加化合物」学到药理学特异性;
  • 数据规模:4994 个基因、7860 个化合物、5 种癌症细胞系。这个体量在虚拟细胞领域算中上——海外头部工作通常在 5k–20k 扰动范围,国内多数工作还在 1k 以下;
  • 案例验证:在 ESR1 内分泌耐药这条具体临床问题上,模型完成了「从预测到机制解释」的闭环——不只是告诉你「这个细胞会耐药」,还能量化哪些基因扰动会逆转耐药表型。

三、技术意义:不是又一个「AI for Science demo」

把这件事放进 2026 年 AI for Science 的语境里看,有几个值得拎出来讲的点:

  1. 统一语义空间是真正的工程难点。基因扰动和化学扰动的数据分布、噪声结构、效应尺度都不同——直接 concat 喂给 Transformer 早就被证明效果差。UniPert 的做法大概率用了类似 CLIP 的对比学习 + projection head 把两类信号拉齐,这是有方法论价值的,不是单纯堆数据。

  2. 「虚拟细胞」赛道的竞争已经从蛋白质结构走向扰动响应。AlphaFold 系列基本把结构问题解决完了,下一步公认是「动态扰动」——而动态扰动的最佳载体就是虚拟细胞。腾讯选这个时间点切入,逻辑上是对的。

  3. 「国内首次」这个标签,含金量要看怎么定义。如果是「国内团队首次在 Cell 主刊发 AI 虚拟细胞工作」,那是真的;如果只是「国内 AI 公司首次」,那要看是否把百图、晶泰、英矽智能、望石智慧这些更早做 AI 制药的团队算进去。但 UniPert 的开源策略确实让这件事比单纯的论文发表更有公共价值——国内 AI 制药研究过去几年被人诟病最多的就是「发 paper 不开源代码」。

四、行业影响和我的判断

短期(6–12 个月)的影响会集中在三个层面:

  • AI 制药赛道会出现一波「虚拟细胞 + 开源」的跟随者。UniPert 的开源协议(如果选了 Apache 2.0 / MIT)会给中小团队一个现成的 baseline,降低入局门槛;
  • 腾讯的 AI for Science 战略会因此被更严肃地讨论。过去腾讯在 AI for Science 上的标签比较模糊(混在混元大模型里),这次 Cell 主刊给它一个独立的支点;
  • 资本端会重新评估「国内 AI 制药」估值——过去 18 个月这个赛道融资金额大幅缩水,如果头部公司开始能稳定在 CNS 主刊上发文,投资逻辑会从「管线故事」转向「方法论壁垒」。

但也有几个隐忧:

  • 数据规模 5k 基因 × 8k 化合物 vs Recursion 的百万级扰动库,还是有数量级差距。UniPert 的方法论能否 scale 到工业级数据,需要观察;
  • **ESR1 案例的「机制解释」**目前是 case study 级别,没有看到跨靶点 / 跨适应症的泛化评测;
  • 开源 ≠ 可复现。扰动数据集本身的版权、化合物的活性标注来源、细胞系培养条件这些 wet lab 元数据,代码里通常带不动。如果只开源模型权重而不开源数据,实际复现门槛依然很高。

五、所以呢

对读者来说,这件事的「所以呢」很简单:AI 制药在中国从「讲管线故事」开始走向「讲方法论壁垒」。UniPert-G2CP 的真正信号不是「又一篇 Cell 论文」,而是腾讯愿意把核心模块开源——这意味着头部玩家开始认同「开放生态 = 长期壁垒」,而不是「开源 = 为他人做嫁衣」。

对从业者来说,接下来 6 个月值得跟踪三件事:UniPert 在 Hugging Face / GitHub 上的 star / fork 速度、国内 AI 制药公司是否跟进发布同类工作、Recursion / Insitro 这类海外头部公司是否在中国市场做出对应回应(无论是合作还是对标)。

虚拟细胞这条赛道,2026 年大概率会是分水岭。