虚拟细胞验证实现用于免疫年轻化的可自我审计式人工智能发现

人工智能体提出药物发现假设的速度快于实验对其进行检验的速度，然而其结论却很少针对底层生物学、预测的扰动，或智能体自身的评分逻辑得到验证。我们通过一个由三个验证器构成的智能体框架弥合了这一验证鸿沟。 首先，PACE 作为一种表型验证器，将免疫衰老解析为十个具有方向性评分、细胞类型分辨的基因集模块；这些模块基于四个 PBMC 队列中的跨队列稳定性进行筛选，并在一个独立的、包含 434 名老年供体的内部衰老队列中优于五种已建立的衰老时钟。 其次，CellQ 是一种基于多模态大语言模型构建的虚拟细胞验证器，它通过残差向量量化将每个单细胞转录组压缩为八个离散词元，并使其与语言模型的词汇表对齐；它实现了最先进的扰动预测性能，并且能够独特地解析差异表达恢复方法所遗漏的弱模块层级变化。 第三，Analyzer-Planner-Auditor 智能体会验证其自身的评分逻辑：在原代人 PBMC 中筛选 110 种化合物时，它发现“aged-down”模块比“aged-up”模块更易于逆转，并将其目标函数从等权均值修正为受平衡约束的最小值；这种自我校正进一步泛化到了一个独立的、包含 13 种化合物的 T 细胞实验中。 通过将其预测结果及其自身目标函数与实验进行验证，该框架所指向的已不再只是用于生成假设的人工智能，而是目标能够持续演化的自我校正型人工智能科学家。

人工智能体提出药物发现假设的速度快于实验对其进行检验的速度，然而其结论很少针对底层生物学、预测的扰动效应或智能体自身的评分逻辑得到验证。我们通过一个由三个验证器构成的智能体框架弥合了这一验证鸿沟。

首先，PACE 作为一种表型验证器，将免疫衰老解析为十个具有方向性评分、细胞类型分辨的基因集模块；这些模块基于四个 PBMC 队列中的跨队列稳定性进行筛选，并在一个包含 434 名老年供体的独立内部衰老队列中优于五种已建立的衰老时钟。

其次，CellQ 是一个采用多模态大语言模型构建的虚拟细胞验证器，它通过残差向量量化将每个单细胞转录组压缩为八个离散词元，并使其与语言模型词汇表对齐；它实现了最先进的扰动预测性能，并且能够独特地解析差异表达恢复方法所遗漏的弱模块层级变化。

第三，一个由分析器—规划器—审计器组成的智能体能够验证其自身的评分逻辑：在原代人 PBMC 中筛选 110 种化合物时，它发现衰老下调模块比衰老上调模块更易逆转，因此将其目标函数从等权均值修正为平衡约束最小值；这一自我校正进一步推广到了一个独立的、包含 13 种化合物的 T 细胞检测中。

通过将其预测结果及其自身目标函数与实验进行验证，该框架指向了超越假设生成型人工智能的新方向，即目标能够持续演化的自我纠正型人工智能科学家。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.04.742916v1?rss=1

🏷️ 免疫年轻化 单细胞转录组 虚拟细胞 药物发现 大语言模型 PBMC