VCLMU：以机制为中心的虚拟细胞世界扰动响应建模

预测细胞对基因扰动的响应是虚拟细胞的核心能力，但组合扰动空间指数扩张使穷举实验不可行，计算预测因此成为必需 ^[1,2]。CPA 一类模型把线性模型的可解释性与深度学习的灵活性结合，可对未见的剂量、细胞类型与药物组合做单细胞水平的响应预测 ^[2]；基础模型路线则以 scGPT 为代表，在超过 3300 万个细胞上预训练，扰动响应预测是其下游任务之一 ^[3]。但独立评测并不乐观：覆盖 27 种方法、29 个数据集的基准研究表明，包括基础模型在内的方法在未见情境下泛化能力存疑 ^[4]；Systema 进一步发现，现有方法常难以超越“系统性变异”，常用指标会因此高估性能，对未见扰动的真实预测远比标准指标显示的更难 ^[5]。新工作指向的症结正在于此：多数模型把未扰动分子谱与扰动直接映射到观测结果，并不显式表达干预所诱导的潜在细胞状态转变。

这篇 arXiv 预印本（未经同行评议）提出的 VCLMU 把细胞状态表示为一组“潜在机制单元”（LMU），将基因扰动当作作用于这些潜在状态的动作：每个 LMU 由锚定于多模态生物学证据的可复用身份与观测特异性状态构成，扰动先诱导机制特异的随机状态转移，再解码出转录响应。训练分两阶段：先在约 20 万条伪混样扰动谱上预训练，再在基因对齐的单细胞扰动数据上继续训练。在六个扰动不相交的基准上，VCLMU 在扰动特异性响应恢复上一致优于强基线，同时保持有竞争力的全局准确率；富集分析显示扰动响应与 LMU 基因集之间存在系统关联，表明这些单元捕捉到结构化的生物响应程序。

放在上述批评的语境里，这项工作的推进有两点：一是把“潜在状态转移”而非端到端黑箱映射作为建模对象，呼应了领域对更可解释、可整合多源信息模型的期待 ^[1]；二是以扰动特异性恢复为主要读出，而这恰是被指出更难做好、也更能反映真实预测能力的部分 ^[5]。以“世界模型”刻画虚拟细胞也正成为多支团队的选择：Lingshu-Cell（arXiv 2603.25240）提出生成式细胞世界模型用于转录组建模 ^[6]，2026 年 3 月 5 日挂出的 bioRxiv 预印本则用潜流形修正构建可微的虚拟细胞空间 ^[7]。

当然，这些结果尚待同行评议与独立复现；摘要中的评测限于六个扰动不相交基准，未涉及跨细胞类型等更广情境的泛化，而这正是基准研究揭示的薄弱环节 ^[4]；LMU 的生物学意义目前主要由基因集富集支撑，其随机潜在转移在多大程度上对应真实的细胞动力学过程，仍是开放问题。