中南大学与腾讯生命科学实验室在 Cell 发表 UniPert-G2CP，统一遗传与化学双域扰动预测建模

在计算生物学领域，预测细胞如何响应基因或药物扰动是长期核心诉求——组合扰动空间随组合数指数增长，实验上无法穷尽，因此需要能够预测、解释并排序扰动的计算方法^[1]。更早的尝试是从扰动后的分子谱推导网络模型，用以预测药物联用或多重遗传改变的定量后果^[2]；近年则以scGPT等生成式预训练基础模型为代表，其基于逾3300万细胞的数据训练，扰动响应预测只是众多下游任务之一^[3]。但瓶颈很快暴露：五个基础模型与两个深度学习模型在预测单/双基因扰动后的转录组变化时，均未跑赢刻意简化的线性基线^[4]；对27个方法、29个数据集的系统评测显示，模型在未见细胞情境与扰动场景下的真实泛化能力存疑^[5]；甚至“取训练集均值”这一朴素基线也能胜过scGPT与scFoundation^[6]。加上扰动数据的可获取规模远低于未扰动数据^[6]，如何泛化、如何省数据，成为深度扰动建模的两大症结。

据发布消息，中南大学与腾讯生命科学实验室在Cell发表UniPert-G2CP，将其定位为面向虚拟细胞（AIVC）的因果统一建模框架，把以往局限于单域的扰动预测拓展为遗传与化学双域联合建模，以推进通用生物学因果建模。框架分两部分：多模态分子统一编码器UniPert将蛋白质氨基酸序列与小分子SMILES经图神经网络与蛋白质语言模型编码，再以对比学习对齐到共享语义空间，无需人工标注即可捕获药物MoA与蛋白质药理学类别等高层功能信息，提升对未见基因和药物的预测泛化；遗传到化学的迁移策略G2CP采用“基因预训练+化学微调”范式，用大规模CRISPR筛选数据补偿化学筛选的通量瓶颈，在仅使用20%化学训练数据时实现375.4%的性能提升，大幅降低虚拟药物筛选的实验依赖。这项工作此前曾以预印本形式于2025年5月30日上线^[7]，正式发表版将其描述为两阶段深度学习框架^[8]。

相对已有认识，其推进主要体现在两处。CPA等先前模型虽能借助药物的化学表示预测完全未见的药物，也可应用于遗传组合筛选^[1]，但遗传与化学两类扰动仍是被分开处理的任务；UniPert-G2CP将两类扰动源纳入同一表征空间与同一建模框架，正面回应了基准研究指出的跨情境泛化短板^[5]。同时，针对扰动数据稀缺这一结构性难题^[6]，G2CP给出了数据层面的解法——以通量更高的遗传筛选数据预训练、少量化学数据微调，若该结果可复现，化学扰动建模有望从数据饥渴转向数据高效。

不过，这一领域反复的教训值得记住：深度学习扰动模型在独立基准中屡屡不敌简单基线^[4][6]，UniPert-G2CP宣称的泛化与迁移优势同样需要经覆盖多样细胞情境的第三方评测检验^[5]；消息材料也未披露组合扰动等更复杂场景的定量表现及因果建模主张的验证方式，另有产业报道称其可支持多细胞、多域扰动因果空间的模拟^[9]，这些都有待正式论文与后续基准给出答案。