单细胞基础模型：各记录如何描述模型本身，以及评估论文报告了什么

研究问题

• 文献库中收录了哪些单细胞基础模型，各记录如何描述其训练规模与设计？
• 文献库中的评估论文就这些模型的零样本使用、规模与可解释性报告了什么？

当前认识

我们对文献库记录的阅读：关于单细胞基础模型的“构建类论断”与“评估类论断”是两种不同的证据。构建类记录以训练规模与设计描述模型；评估类记录（零样本、扰动、规模与可解释性研究）则报告其局限。我们未对照全文进行调和。确定性：对“记录如此所述”为高，此外未评估。若干模型仅有预印本。

范围与阅读方式。范围：仅依据文献库记录（标题、发表载体、一句话摘要与核验来源）；本页未通读全文，下列陈述均限于这些记录所述。预印本已标注，未经同行评审。本页不对胶质瘤或其他肿瘤作任何论断。 VC0008 VC0009

构建类论断（同行评审记录）。scGPT 记录为在 3300 万个细胞上训练的生成式预训练 Transformer（Nature Methods 2024）；Geneformer 记录为可进行计算机内基因缺失与网络预测的上下文感知 Transformer（Nature 2023）；scFoundation 记录为在约 5000 万个人类细胞上训练的 1 亿参数模型（Nature Methods 2024）；GeneCompass 记录为知识引导的跨物种基础模型（Cell Research 2024）。确定性：对“这些是记录的描述”为高；训练数据的组成（组织、细胞类型）未记录于文献库。 VC0008 VC0009 VC0011 VC0029

构建类论断（预印本，未经同行评审）。UCE 记录为跨物种零样本细胞嵌入模型（预印本）；TranscriptFormer 记录为覆盖 12 个物种、1.12 亿个细胞的生成式跨物种细胞图谱——该记录为 bioRxiv 预印本，其核验备注称同行评审版已发表于 Science，我们尚未单独收录；AIDO.Cell 记录为具备转录组规模上下文的稠密模型（预印本）。确定性：中等；仅为预印本记录。 VC0012 · 预印本 VC0021 · 预印本 VC0022 · 预印本

文献库中的其他设计。Cell2Sentence（把细胞表示为文本供大语言模型使用；预印本）与 C2S-Scale（将此类模型扩展到 270 亿参数；预印本）；CellPLM，一种超越单细胞、纳入空间上下文的细胞语言模型（预印本）；scBERT，用于细胞类型注释的早期预训练语言模型（预印本，其记录注明同行评审版发表于 Nature Machine Intelligence）。两条应用类记录：Nature Protocols 论文介绍用 Geneformer 的计算机内扰动发现候选治疗靶点；ISP3 平台用于基于 Geneformer 的序贯多基因计算机内扰动（预印本）。确定性：对“记录如此所述”为高；此处不作性能论断。 VC0030 · 预印本 VC0031 · 预印本 VC0032 · 预印本 VC0023 · 预印本 VC0010 VC0038 · 预印本

评估类记录报告了什么。Genome Biology 论文报告 scGPT 与 Geneformer 的零样本局限（VC0050）；BMC Genomics 基准把基础细胞模型与简单基线在扰动后 RNA-seq 预测上作比较（VC0049）；PLoS Computational Biology 论文评估基于 Geneformer 模型的规模与预测多样性（VC0057）；BMC Genomics 研究报告单细胞基础模型中由注意力导出的边得分在基线之外并未增加基因调控网络信息（VC0056）。综合来看，这些记录描述了当前对这类模型评估的局限，但各研究使用各自的任务与指标，不可互换。确定性：对“论文如文献库所概括地报告”为高；我们未比较其方案。另见线性基线与评估陷阱的配套页面。 VC0050 VC0049 VC0057 VC0056

证据图谱

原始研究与数据集

• VC0008 scGPT: toward building a foundation model for single-cell multi-omics using generative AI. — Cui H, Wang C, Maan H, Pang K, Luo F, Duan N, Wang B., Nature methods, 2024
• VC0009 Transfer learning enables predictions in network biology. — Theodoris CV, Xiao L, Chopra A, Chaffin MD, Al Sayed ZR, Hill MC, Mantineo H, Brydon EM, Zeng Z, Liu XS, Ellinor PT., Nature, 2023
• VC0011 Large-scale foundation model on single-cell transcriptomics. — Hao M, Gong J, Zeng X, Liu C, Guo Y, Cheng X, Wang T, Ma J, Zhang X, Song L., Nature methods, 2024
• VC0029 GeneCompass: deciphering universal gene regulatory mechanisms with a knowledge-informed cross-species foundation model. — Yang X et al., Cell research, 2024
• VC0012 · 预印本 Universal Cell Embeddings: A Foundation Model for Cell Biology — Rosen Y, Roohani Y, Agrawal A, Samotorcan L, Tabula Sapiens Consortium, Quake SR, Quake SR, Leskovec J., bioRxiv, 2023
• VC0021 · 预印本 A Cross-Species Generative Cell Atlas Across 1.5 Billion Years of Evolution: The TranscriptFormer Single-cell Model — Pearce JD, Simmonds SE, Mahmoudabadi G, Krishnan L, Palla G, Istrate A, Tarashansky A, Nelson B, Valenzuela O, Li D, Quake SR, Karaletsos T., bioRxiv, 2025
• VC0022 · 预印本 Scaling Dense Representations for Single Cell with Transcriptome-Scale Context — Ho N, Ellington CN, Hou J, Addagudi S, Mo S, Tao T, Li D, Zhuang Y, Wang H, Cheng X, Song L, Xing EP., bioRxiv, 2024

相关模型与工具

• VC0010 Discovery of candidate therapeutic targets with Geneformer. — Zhang Y, Venkatesh MS, Theodoris CV., Nature protocols, 2026
• VC0023 · 预印本 CellPLM: Pre-training of Cell Language Model Beyond Single Cells — Wen H, Tang W, Dai X, Ding J, Jin W, Xie Y, Tang J., bioRxiv, 2023
• VC0030 · 预印本 scBERT as a Large-scale Pretrained Deep Language Model for Cell Type Annotation of Single-cell RNA-seq Data — Yang F, Wang W, Wang F, Fang Y, Tang D, Huang J, Lu H, Yao J., bioRxiv, 2021
• VC0031 · 预印本 Cell2Sentence: Teaching Large Language Models the Language of Biology — Levine D et al., bioRxiv, 2023
• VC0032 · 预印本 Scaling Large Language Models for Next-Generation Single-Cell Analysis — Rizvi SA et al., bioRxiv, 2025
• VC0038 · 预印本 ISP 3 Platform powered by Geneformer: Framework for Cross-Species, Sequential, and Multi-Gene In Silico Perturbation Screens with Application to iPS Cell State Transitions — Sanaki Y, Shigenobu S, Niwa R., bioRxiv, 2026

扰动与验证证据

• VC0050 Zero-shot evaluation reveals limitations of single-cell foundation models. — Kedzierska KZ, Crawford L, Amini AP, Lu AX., Genome biology, 2025
• VC0049 Benchmarking foundation cell models for post-perturbation RNA-seq prediction. — Csendes G, Sanz G, Szalay KZ, Szalai B., BMC genomics, 2025
• VC0057 Assessing scale and predictive diversity in models for single-cell transcriptomics based on Geneformer. — Chen J, Schmidt F, Henao R., PLoS computational biology, 2026
• VC0056 Systematic evaluation of single-cell foundation model interpretability: attention-derived edge scores add no incremental value over gene-level features for perturbation-target prediction. — Kendiukhov I., BMC genomics, 2026

本页引用文献库条目 17 条，其中预印本（未经同行评审）8 条。

相关综述

• 胶质母细胞瘤细胞状态与虚拟细胞
• GBM 细胞状态图谱与虚拟细胞的基础 (草稿，待审)

本页涉及的实体

• AIDO.Cell 模型
• Cell2Sentence / C2S-Scale 模型
• 单细胞基础模型 方法与概念
• GeneCompass 模型
• Geneformer 模型
• 计算机模拟扰动 方法与概念
• 简单线性基线 方法与概念
• scBERT 模型
• scFoundation 模型
• scGPT 模型
• TranscriptFormer 模型
• 通用细胞嵌入 模型
• 零样本评估 方法与概念

尚不确定之处

文献库记录对大多数模型未说明训练数据的组成（组织、物种构成、疾病状态），因此仅凭文献库无法判断任何模型的行为能在多大程度上超出其训练分布。 VC0008 VC0011

若干模型仅有预印本；评估论文只覆盖所列部分模型，因此此处缺少评估并不意味着性能好或差。 VC0012 · 预印本 VC0022 · 预印本 VC0050

相关问题

• 什么是 AI 虚拟细胞模型？
• 哪些虚拟细胞模型已应用于胶质母细胞瘤？
• 当论文报告均值或线性基线可与深度模型比肩时，它们比较的是同一对象、同一指标、同一类扰动吗？
• 哪些机制会使与扰动无关的预测器看起来不错（共享响应、噪声、靶基因、指标），各论文实际检验了哪些？
• 虚拟细胞模型如何验证？
• 深度学习模型在扰动预测上能超过线性基线吗？
• 文献库中有哪些通用的单细胞与扰动数据平台，各自的数据许可是什么？
• 记录就规模、整理方式与访问方式说明了什么？
• 文献库中的基准与批评类论文指出了哪些评估陷阱？
• 对每一项陷阱，来源记录是哪一条，来源的成熟度如何（同行评审或预印本）？