细胞以一组测量记录的形式进入 AI 模型。记录中两个细胞的差异，既可反映生物学差异，也可源于实验捕捉这些生物学特征的方式。模型要跨实验室学习，就得分辨并处理这两类变化。[1][5]
中国单细胞基础模型的进展，也因此有了超出训练集规模竞赛的看点。两项成果展示了这一方向：scFoundation 由清华大学研究人员与 BioMap 共同开发，于 2024 年 6 月发表；CellFM 由中山大学、重庆大学等机构合作开发，于 2025 年 5 月发表。[1][3] 两者都试图从基因表达测量中学到可复用的知识。它们的设计和公开实现，呈现了这些知识用于另一项实验之前需要完成的工作。
实验本身也是输入的一部分
单细胞 RNA 测序记录单个细胞的基因活性。这类记录稀疏且带有噪声，不同批次采集的测量数据还会夹杂技术差异。[3] 因而，让模型把细胞归类整理时，有一种结果值得警惕：模型学到实验室的操作习惯，也能排出看似井然有序的结果。
清华大学的中文公告介绍了 scFoundation 的应对方式。该模型处理约 20,000 个基因，拥有 1 亿个参数，训练数据约为 5,000 万份人类细胞表达谱。它在设计上保留连续的表达数值，并设置了一项预训练任务，让模型学习从低质量输入中恢复质量更高的信息。[1]
公开的模型文档进一步说明了这种思路如何使用。用户需按指定的基因顺序输入测量数据，随后用目标分辨率设置来控制测序深度增强。同一套软件还可输出细胞层面的表征和基因层面的结果。[2] 表征常被称为嵌入（embedding），是一种供其他分析方法使用的数值描述。
按本文的理解，重要的进展始于对测量记录缺漏的承认。更充分的测量会揭示哪些信息，模型对此给出的仍是估计。这些估计应与实测数据一同保留，并清楚标明来源，避免在使用中悄然被当作又一次实验室观测。
规模仍需对应具体任务
CellFM 将训练数据扩展到 1 亿个人类细胞，模型参数达到 8 亿个，采用经修改的 RetNet 架构，并以 MindSpore 实现。[3] 这些数字衡量的是训练规模；至于模型回答了多少生物学问题，还需另作考察。
论文中的扰动实验说明了区分两者的必要性。扰动会改变一个基因的活性，预测任务则要判断其他表达测量值如何响应。研究人员将 CellFM 的基因表征接入已有的扰动预测方法 GEARS，并在 Adamson 和 Norman 数据集上评估这套组合。论文报告的改进，适用范围限于这项明确的任务和分析流程。[3]
这是一种有效的复用方式。预训练模型可为专门方法送入更好的输入，同时让后者继续承担自己的任务。读者也因此有了具体的核查落点：用了哪些干预数据、哪种下游方法，又与什么作了比较？
参数规模本身同样需要仔细核对。CellFM 论文在细胞注释和批次效应校正任务中，使用的是一个 8,000 万参数的版本。[3] 若把每项结果都冠以最大模型的参数量，就会抹去一项有意义的实验选择。
公开发布，让另一间实验室有据可查
scFoundation 的代码仓库将模型推理与表达增强、药物响应预测、扰动预测等应用分开组织。模型使用说明列出了获取不同表征时需要作出的选择。[2] 这样的安排有助于研究人员追查一项结果的来源：预训练模型、输入数据的准备过程，还是其上搭建的方法。
CellFM 同样公开了实现代码，附有数据集和模型检查点链接，并为细胞注释、基因功能预测、批次整合及扰动任务编写了教程。文档指定的环境版本为 MindSpore 2.2.10；训练示例区分了加载预训练权重与使用 LoRA，后者只更新较少的一部分参数，就能让模型适应新任务。[4]
有了这些细节，论文中的工作便成为可供检验和质疑的研究对象。代码公开后，结果能否在各处复现，仍需验证。公开代码让必要的追问更容易得到回答：加载了哪组权重，使用前做了哪些处理，又补充了多少训练？
换到陌生数据上，还能留下多少能力？
2025 年 4 月发表的一项独立研究，给出了值得留意的提醒。Kasia Kedzierska 及其同事评估了 scGPT 和 Geneformer，评估前未追加针对具体任务的训练，这种设置称为零样本（zero-shot）。研究覆盖五个数据集，将模型生成的细胞表征与已有方法作了比较，包括高变基因筛选、Harmony 和 scVI。这些基础模型的表现未能稳定优于上述方法。[5]
这项研究的受测模型限于 scGPT 和 Geneformer。它为考察 scFoundation 和 CellFM 提出了问题，却不能将评估结论直接移用为后两者表现不佳的证据。有合适样本时，微调具有价值；而在探索性研究开始时，研究人员有时连希望找出的类别都尚未确定。该研究还发现，部分评估数据与预训练数据存在重叠，这也凸显了记录模型此前见过哪些数据的必要性。[5]
综合这些信号，跟踪中国细胞模型研究时，有几处可以具体着眼：输入设计是否考虑测量因素，公开发布的材料是否完整展示分析过程，评估是否区分了适应新任务后的表现与未经额外训练的表现。下一项成果若能在陌生的实验条件下，面对表现强劲、方法更简单的对照仍保持优势，就会尤其有说服力。
这类模型的前景，在于让一间实验室受益于从许多其他实验室学到的规律。验证这一前景，则要看借来的经验能否帮助解释一份新的测量记录，同时辨清实验留下的痕迹与细胞自身的特征。
来源
- 清华大学，《自动化系生命基础模型实验室合作研发 AI 细胞模型》，2024 年 6 月 12 日；中文一手公告，介绍合作方、模型规模及针对测量质量的设计。
- BioMap Research，scFoundation 代码仓库与模型文档；公开的推理、表征与下游分析流程，访问日期：2026 年 10 月 20 日。
- Yuansong Zeng 等，《CellFM：基于 1 亿个人类细胞转录组预训练的大规模基础模型》，Nature Communications，2025 年 5 月 20 日；模型设计、面向特定任务的版本及 GEARS 评估。
- biomed-AI，CellFM 官方实现；环境、数据、模型检查点与应用教程，访问日期：2026 年 10 月 20 日。
- Kasia Z. Kedzierska 等，《零样本评估揭示单细胞基础模型的局限》，Genome Biology，2025 年 4 月 18 日；scGPT 与 Geneformer 的评估、基线方法比较及数据重叠带来的局限。
- N509FZ，《Main building of Tsinghua University (20190709103617).jpg》，2019 年 7 月 9 日；校园照片原图，Wikimedia Commons，CC BY-SA 4.0。