CellCanon：用于预测、解释和观测驱动更新的智能体细胞世界模型

生物学发现需要利用分子知识和新的测量来推断超出已观察条件的反应。我们提出 CellCanon，这是首个统一的智能体细胞世界模型，用于单细胞表达预测、基于证据的解释和观测驱动的更新。其预测核心在基因特异性数值读数之间复用条件水平的生物学证据，以指导单细胞表达生成。共享的世界状态将预测、获取的测量和来源关联的声明联系起来，支持解释和修正。在三个细胞系的 339 个留出 SciPlex3 条件上，CellCanon 在差异表达 AUPRC 和 Macro-F1 上分别比各指标的最佳基线提高了 63.3% 和 17.3%，方向 Macro-F1 提高了 7.2%。相对于在匹配的药物-细胞队列上进行逐基因推理，Predict 和 Explain 的实测语言模型 token 使用量分别下降了 99.77% 和 98.41%。在来源接地基准上，Explain 正确回答了所有可回答问题并给出支持性证明，且识别出所有证据不足的情况。在模拟实验反馈中，Update 对每种药物使用一个实测来源上下文，在差异表达 AUPRC 和 Macro-F1 上超过最佳微调基线，且不改变模型权重。这些能力共同支持对细胞反应的累积性描述，其预测和生物学判断可随着证据积累而修正。

中文由 AI 翻译，仅供参考，以原文为准。