- 1次围观
不同物种的细胞受进化上保守的生物学程序支配，但其分子状态和响应会受到物种、组织及细胞情境的重塑。因此，虚拟细胞建模的一项核心挑战是学习细胞状态及其转变，从而将可迁移的生物学原理与情境特异性变异区分开来。现有单细胞基础模型推动了细胞表征学习的发展，但大多数仍聚焦于单一物种分析、判别式任务或特定形式的生成任务。在此，我们提出 Speciesformer，这是一种跨物种生成式单细胞基础模型，将进化表征学习与虚拟细胞状态生成相结合。Speciesformer 在 SpeciesCorpus 上进行预训练，该语料库包含来自 11 个物种、154 种组织和超过 923 种细胞类型的 1.31 亿个细胞；该模型将物种特异性基因映射至一个融入进化信息的共享基因空间。其编码器学习可迁移的细胞和基因表征，支持生物学表征探测与跨物种知识迁移，为解析保守及情境依赖的细胞程序提供统一的状态空间。在这一共享表征的基础上，Speciesformer 采用统一的生成式架构，对语义条件和干预条件下的细胞状态及其转变进行建模，实现转录组状态与生物学文本描述之间的双向生成，并根据初始细胞状态和干预描述预测扰动后的转录组，包括在此前未观测到的细胞情境中进行预测。通过统一进化变异、生物学语义和条件性状态转变，Speciesformer 将跨物种基础建模进一步拓展至一种生成式虚拟细胞框架，用于表征、描述和预测不同生物学情境下的细胞状态。
Speciesformer 学习保守的细胞状态，用于跨物种生成式虚拟细胞建模 | bioRxiv
跳转至主要内容
首页
关于
投稿
提醒 / RSS
搜索此关键词
高级搜索
最新结果
Speciesformer 学习保守的细胞状态，用于跨物种生成式虚拟细胞建模
查看 ORCID 个人资料
Jiacheng
Wang
,
Jiaqi
Dong
,
Guowei
Li
,
Chao
Fang
,
Liwei
Liu
,
查看 ORCID 个人资料
Xin
Gao
doi:
https://doi.org/10.64898/2026.09.22.752128
Jiacheng Wang
1
阿卜杜拉国王科技大学；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Jiacheng Wang 的 ORCID 记录
Jiaqi Dong
1
阿卜杜拉国王科技大学；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Guowei Li
2
独立研究者；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Chao Fang
3
杭州联川生物技术股份有限公司
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Liwei Liu
2
独立研究者；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Xin Gao
1
阿卜杜拉国王科技大学；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Xin Gao 的 ORCID 记录
通信联系：
xin.gao{at}kaust.edu.sa
摘要
信息/历史
指标
补充材料
预览 PDF
摘要
不同物种的细胞受进化上保守的生物学程序调控，但其分子状态和响应会因物种、组织及细胞背景而重塑。因此，虚拟细胞建模的一项核心挑战是学习
细胞状态及其状态转变，可用于区分具有可迁移性的生物学原理与情境特异性变异。现有的单细胞基础模型推动了细胞表征学习的发展，但大多数仍侧重于单物种分析、判别任务或特定形式的生成。在此，我们提出 Speciesformer，这是一种跨物种生成式单细胞基础模型，将进化表征学习与虚拟细胞状态生成相结合。Speciesformer 在 SpeciesCorpus 上进行预训练，该语料库包含来自 11 个物种、154 种组织和超过 923 种细胞类型的 1.31 亿个细胞；该模型将物种特异性基因映射至一个融合进化信息的共享基因空间。其编码器学习可迁移的细胞和基因表征，支持生物学表征探查与跨物种知识迁移，为解析保守的及情境依赖的细胞程序提供统一的状态空间。在这一共享表征的基础上，Speciesformer 采用统一的生成式架构，对语义条件和干预条件下的细胞状态及状态转变进行建模，实现转录组状态与生物学文本描述之间的双向生成，并能够根据初始细胞状态和干预描述预测扰动后的转录组，包括在此前未观测到的细胞情境中进行预测。通过统一进化变异、生物学语义和条件性状态转变，Speciesformer 将跨物种基础建模拓展至生成式虚拟细胞框架，以表征、描述和预测不同生物学情境下的细胞状态。
利益冲突声明
作者声明不存在利益冲突。
版权
本文的版权所有者为
本预印本的版权所有者为作者／资助方，其已授予 bioRxiv 永久展示本预印本的许可。
保留所有权利。未经许可，不得重复使用。
返回顶部
上一篇
下一篇
发布于2026年9月23日。
下载 PDF
补充材料
电子邮件
感谢您有意帮助传播 bioRxiv 的内容。
注意：索取您的电子邮件地址仅用于确认您是本文的发送者。
您的电子邮件地址
*
您的姓名
*
发送至
*
请输入多个电子邮件地址，每行一个，或用逗号分隔。
您将通过电子邮件发送以下内容
Speciesformer 学习保守的细胞状态，用于跨物种生成式虚拟细胞建模
邮件主题
（您的姓名）从 bioRxiv 向您转发了一个页面
邮件正文
（您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。
您的个人留言
验证码
此问题用于验证您是否为人类访客，并防止自动提交垃圾信息。
分享
Speciesformer 学习保守的细胞状态，用于跨物种生成式虚拟细胞建模
Jiacheng
Wang
,
Jiaqi
Dong
,
Guowei
Li
,
Chao
Fang
,
Liwei
Liu
,
Xin
Gao
bioRxiv
2026.09.22.752128;
doi:
https://doi.org/10.64898/2026.09.22.752128
分享本文：
复制
引用工具
Speciesformer 学习保守的细胞状态，用于跨物种生成式虚拟细胞建模
Jiacheng
Wang
,
Jiaqi
Dong
,
Guowei
Li
,
Chao
Fang
,
Liwei
Liu
,
Xin
Gao
bioRxiv
2026.09.22.752128;
doi:
https://doi.org/10.64898/2026.09.22.752128
文献管理软件格式
BibTeX
Bookends
EasyBib
EndNote（带标签格式）
EndNote 8（xml）
Medlars
Mendeley
Papers
RefWorks Tagged
Ref Manager
RIS
Zotero
推文小组件
Facebook 点赞
Google Plus One
学科领域
所有文章
动物行为与认知
(8020)
生物化学
(18775)
生物工程
(14918)
生物信息学
(44486)
生物物理学
(22625)
肿瘤生物学
(19759)
细胞生物学
(26941)
临床试验
(138)
发育生物学
(13988)
生态学
(21033)
流行病学
(2067)
进化生物学
(25473)
遗传学
(16184)
基因组学
(23535)
免疫学
(18725)
微生物学
(42547)
分子生物学
(18093)
神经科学
(93592)
古生物学
(701)
病理学
(2987)
药理学与毒理学
(5104)
生理学
(8127)
植物生物学
(16018)
科学传播与教育
(2097)
合成生物学
(4572)
系统生物学
(10249)
动物学
(2393)
关键词：单细胞基础模型 · 跨物种表征学习 · 生成式虚拟细胞 · 进化保守性 · 转录组生成 · 细胞扰动预测
原文链接：https://www.biorxiv.org/content/10.64898/2026.09.22.752128v1?rss=1