論文の概要: VCWorld: A Biological World Model for Virtual Cell Simulation

• arxiv url: http://arxiv.org/abs/2512.00306v1
• Date: Sat, 29 Nov 2025 04:02:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.161238
• Title: VCWorld: A Biological World Model for Virtual Cell Simulation
• Title（参考訳）: VCWorld: 仮想細胞シミュレーションのための生物学の世界モデル
• Authors: Zhijian Wei, Runze Ma, Zichen Wang, Zhongmin Li, Shuotong Song, Shuangjia Zheng,
• Abstract要約: 本稿では、構造化された生物学的知識と大規模言語モデルの反復的推論能力を統合する、セルレベルのホワイトボックスシミュレータであるVCWorldを紹介する。 VCWorldは、摂動誘起シグナリングカスケードを再現し、解釈可能なステップワイズ予測を生成するために、データ効率のよい方法で運用されている。
• 参考スコア（独自算出の注目度）: 17.544411742899523
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Virtual cell modeling aims to predict cellular responses to perturbations. Existing virtual cell models rely heavily on large-scale single-cell datasets, learning explicit mappings between gene expression and perturbations. Although recent models attempt to incorporate multi-source biological information, their generalization remains constrained by data quality, coverage, and batch effects. More critically, these models often function as black boxes, offering predictions without interpretability or consistency with biological principles, which undermines their credibility in scientific research. To address these challenges, we present VCWorld, a cell-level white-box simulator that integrates structured biological knowledge with the iterative reasoning capabilities of large language models to instantiate a biological world model. VCWorld operates in a data-efficient manner to reproduce perturbation-induced signaling cascades and generates interpretable, stepwise predictions alongside explicit mechanistic hypotheses. In drug perturbation benchmarks, VCWorld achieves state-of-the-art predictive performance, and the inferred mechanistic pathways are consistent with publicly available biological evidence.
• Abstract（参考訳）: 仮想細胞モデリングは、摂動に対する細胞応答を予測することを目的としている。 既存の仮想セルモデルは大規模な単一セルデータセットに大きく依存しており、遺伝子発現と摂動の間の明示的なマッピングを学習している。 最近のモデルは、マルチソースの生物学的情報を組み込もうとしているが、その一般化は、データ品質、カバレッジ、バッチ効果に制約されている。 より重要なことに、これらのモデルはブラックボックスとして機能し、解釈可能性や生物学的原理との整合性のない予測を提供し、科学研究における信頼性を損なう。 これらの課題に対処するため、我々は、構造化された生物学的知識と大規模言語モデルの反復推論能力を統合して、生物学的世界モデルをインスタンス化する、セルレベルのホワイトボックスシミュレータであるVCWorldを提示する。 VCWorldは、摂動誘起シグナリングカスケードを再現するためにデータ効率のよい方法で動作し、明示的な機械的仮説とともに解釈可能なステップワイズ予測を生成する。 薬物摂動ベンチマークでは、VCWorldは最先端の予測性能を達成し、推論された力学経路は一般に利用可能な生物学的証拠と一致している。

関連論文リスト

• Contrastive Learning Enhances Language Model Based Cell Embeddings for Low-Sample Single Cell Transcriptomics [3.7907528918903797]
  大規模言語モデル(LLM)は、自然言語処理や生成、コンピュータビジョン、マルチモーダル学習といった分野にまたがるリッチな表現を生成する能力を示している。 本稿では、単一セルRNAシークエンシング(scRNA-seq)とLLMを統合し、知識インフォームド遺伝子埋め込みを導出する計算フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-28T00:45:39Z)
• NOBLE -- Neural Operator with Biologically-informed Latent Embeddings to Capture Experimental Variability in Biological Neuron Models [63.592664795493725]
  NOBLEは、解釈可能なニューロンの特徴を連続周波数変調した埋め込みから電流注入によって誘導されるソマティック電圧応答へのマッピングを学ぶ神経オペレーターフレームワークである。 内在的な実験変数を考慮したニューラルダイナミクスの分布を予測する。 NOBLEは、その一般化を実際の実験データで検証する最初の大規模ディープラーニングフレームワークである。
  論文  参考訳（メタデータ） (2025-06-05T01:01:18Z)
• How to Build the Virtual Cell with Artificial Intelligence: Priorities and Opportunities [46.671834972945874]
  仮想セル構築にAIの進歩を活用するというビジョンを提案する。 我々は、生物の普遍的な表現を含む、そのようなAI仮想セルの望ましい能力について議論する。 我々は、AI仮想細胞が新しい薬物標的を特定し、摂動に対する細胞反応を予測し、スケール仮説を探索する未来を想像する。
  論文  参考訳（メタデータ） (2024-09-18T02:41:50Z)
• Multi-Modal and Multi-Attribute Generation of Single Cells with CFGen [76.02070962797794]
  本研究では、単一セルデータ固有の離散性を保存するフローベースの条件生成モデルであるCellFlow for Generation (CFGen)を紹介する。 CFGenは、全ゲノムマルチモーダル単一セルデータを確実に生成し、重要な生物学的データ特性の回復を改善する。
  論文  参考訳（メタデータ） (2024-07-16T14:05:03Z)
• Causal machine learning for single-cell genomics [94.28105176231739]
  単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。 まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。 次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
  論文  参考訳（メタデータ） (2023-10-23T13:35:24Z)
• Decentralized policy learning with partial observation and mechanical constraints for multiperson modeling [14.00358511581803]
  本稿では,部分的な観察と機械的制約を分散的に表現した逐次生成モデルを提案する。 本手法は実世界のデータを用いて現実的な軌跡を生成するマルチエージェントシミュレータとして利用することができる。
  論文  参考訳（メタデータ） (2020-07-07T01:24:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。