AI赢了蛋白质,却算不出一颗细胞

AlphaFold拿下了蛋白质折叠，却连一颗细胞对药物的反应都预测不准。8月中旬，《Cell》给生成式AI出了15道世纪难题，题题戳在行业最疼的地方。

一、分子层的胜利，看起来很美

过去五年，生成式AI在生物领域拿下一连串战果：AlphaFold几乎终结了蛋白质结构预测，大模型能从头设计抗体和酶，医疗影像判读逼近放射科医生。这些成功有个共同点——研究对象是相对有序的线性序列，背后有PDB这类攒了几十年的大数据库撑着。

写下这些判断的人分量不轻：哥伦比亚大学Andrea Califano领衔，Biohub、斯坦福、卡内基梅隆、耶鲁的16位学者联名，不少是系统免疫学和单细胞测序的开创者。

但论文说得直白：这些胜利都发生在"分子层"。蛋白质能折叠、能设计，细胞不行。神经退行性疾病是神经元、星形胶质细胞和免疫细胞互动的结果，肿瘤的命运捏在微环境手里。会叠蛋白质的AI，离会算细胞的AI还差着十万八千里。

二、最先进的AI，输给了线性回归

2025年，EMBL学者Ahlmann-Eltze等人在《自然·方法》发了一篇"打脸"研究：把scGPT、Geneformer等五个单细胞基础模型拉去和简单线性基线PK，预测基因扰动效应，结果没有一个模型赢。双重扰动预测里，所有模型的误差都高于"两个单基因效应直接相加"这种朴素算法。

Arc研究所2025年发起的虚拟细胞挑战赛同样残酷，考题明确对标CASP：在从未见过的H1人类胚胎干细胞上，预测300种CRISPRi扰动下的基因表达变化，配套约30万个单细胞图谱。全球5000多人、114个国家、1200多个团队参赛，热情是真实的，结果却很现实——大多数模型在分布偏移面前溃败。后续的VCBench评测把五个主流模型全测了一遍：4个维度上，基线模型和基础模型打平甚至反超。更扎心的是，有研究拆开scGPT和Geneformer的注意力权重看，发现它们学到的只是基因共表达，不是调控逻辑——拿基因方差排序这种土办法去预测，AUROC反而更高。

三、三道硬墙：数据、组合爆炸、刷分

为什么会这样？论文给出三层解释。

第一层是数据。语言模型拿数万亿个token喂大，生物数据满打满算只有10的10到11次方个token，差着三个数量级。人类免疫组计划（HIP）把目标定在几十万个体、每人上万次测量，即便加上CellxGene的十亿单细胞图谱，和NLP的训练量比仍是杯水车薪。

第二层是组合爆炸。一个60S核糖体亚基的组装需要47种蛋白协同，按这个规模把基因调控基序和蛋白异构体排列组合，可能性是3.48×10的150次方——宇宙里的原子数才10的80次方。两万个基因做两两交互，就超过十亿种。这个空间不是靠堆数据和算力能硬啃下来的。

第三层最要命，是评价体系。现在发论文标配的"细胞分类"任务（比如区分CD8+和CD4+ T细胞）生物学上近乎无意义——表面标记物早就够用，线性回归干得也不差。论文还算了一笔账：精度-召回曲线里，只有假发现率≤5%的区域对实验设计有用，剩下95%的AUC曲线都是在自嗨。回顾性刷分，成了这个领域最体面的注脚。

四、反对"苦味教训"：生物先验不是手搓知识

AI圈有个著名的"苦味教训"：通用方法加算力，终究会碾压一切领域知识。这篇论文明确唱反调，理由有三。

数据不够。自然语言是几百年攒出的万亿token，生物数据差着千倍量级，再堆也补不上高阶相互作用的组合空间。

先验不同。Sutton教训针对的是人类经验、直觉这类主观知识，而蛋白质相互作用受热力学、静电、结构约束支配，是物理定律。AlphaFold自己就靠显式植入蛋白质几何和化学键约束起家——把物理约束编码进模型不是手搓知识，是限制搜索空间。

医学等不起。游戏和语言模型可以等数据和算力自然增长，医学多等一年，就是成批的临床试验失败和可预防的死亡。哪怕先验只带来小幅加速，也值得。

他们的解法，是把分子相互作用网络作为先验"预埋"进注意力机制，用图注意力、扩散核去约束搜索空间。团队自己的GREmLN模型已经尝到甜头：在"预测哪个基因扰动会改变转录状态"这类硬问题上，掺入网络先验后，数据量和参数量需求都明显下降。

五、15道题，从分子到临床层层加码

论文模仿1900年希尔伯特的23个数学问题，列出15道挑战，分四层：分子相互作用（调控信号、表观遗传、细胞通讯）、分子功能（合成机制、基因组到功能、药物机制）、细胞与系统功能（最小基因组、细胞重编程、生物回路、微环境）、临床转化（生物标志物、毒性、疗效、个体免疫、临床试验结局）。

论文还提了一个反例：免疫检查点抑制剂这种"免疫学答对了"的疗法，选对患者时响应率能到40%到50%，却几乎全部来自生物学直觉和临床试错，没有一条是AI算出来的。如果模型能提前预测谁应答、谁耐药，省下的失败试验和患者代价难以估量。

每道题都配了可落地的验证方案。测药物毒性，参照系是TGN1412——那个让6名健康志愿者几小时内集体细胞因子风暴、直接终结试验的惨案；测药物疗效，先拿只有约15%患者携带敏感突变的赫赛汀试刀；测临床试验结局，肿瘤免疫疗法的成功率至今不到3%。

配套的还有一套"双层评估"框架：Tier 1允许回顾性刷分，用于方法迭代；Tier 2必须前瞻性实验验证，预测能落地才算数。更野的提议是搞公私联盟，五年内凑齐500个带分子水平数据的临床试验语料，并重启AI-DREAM盲测——就像当年CASP比赛逼出AlphaFold那样。

六、中国玩家已经下场，这是一场几十年的长跑

这场全球讨论升温时，中国团队的动作比论文发表还快。阿里达摩院的"灵枢细胞"在虚拟细胞挑战赛基因扰动基准测试中拿了综合第一；百曜科技发布12B参数的AURA CellOS，公开参数规模全球最大，背后站着中国国新的钱；西湖大学郭天南团队在《自然》抛出"虚拟酵母"框架，华大的RegFormer、CellVQ也在单细胞大模型上刷存在感。2026年，AI虚拟细胞成了融资最热的叙事之一。

但作者提醒所有人别急着欢呼。AlphaFold用了4年冲刺，背后是50年结构生物学的积累。细胞级建模要的是同样的耐心：数据按挑战定向采集，基准从回顾性转向前瞻性，先验知识与模型架构真正融合。希尔伯特23问至今只完全解出9个，却催生了整个现代数学的分支——这15道题的意义，或许不在于何时答完，而在于它逼着整个行业直面一个问题：AI到底想刷榜，还是想懂生命。

附表：15大挑战一览