来源： ICML 2026 特邀演讲 | Aviv Regev | 2026-07-08（录制日期） 分类： 其他 原文发表： 2026-07-08 纪要生成： 2026-07-10
Aviv Regev 是基因泰克（Genentech/Roche）研究与早期开发部门的执行副总裁兼负责人，此前曾在麻省理工学院、布罗德研究所和霍华德·休斯医学研究所担任要职。她是单细胞基因组学和计算生物学领域的先驱，也是人类细胞图谱（Human Cell Atlas）项目的联合创始人。本次演讲中，她系统阐述了基因泰克如何构建一个覆盖靶点发现、药物发现和开发全流程的“实验闭环”（Lab-in-the-Loop）系统，通过大规模数据生成与AI模型的迭代互动，应对药物研发中成功率极低的根本性挑战。
本节重点
详细精要
然而，药物研发的每一步——找到对的靶点、分子、剂量、适应症和患者——不仅耗时，而且绝大多数时候以失败告终。
生物学和药物的本质复杂性体现在四个维度：
极端变异：每个问题都独一无二，难以自动化，无论是实验还是分析。
AI的特性天然适合应对这些挑战：
💬 精华片段（中文）
“是的，这个空间名义上巨大，但它是结构化的，其真实维度要小得多。没错，AI 对此很擅长。是的，它是多尺度的，所有转变和变换都是非线性的。AI 对此也很擅长。”
"Yes, the space is nominally huge, but it's structured and its real dimensionality is a lot smaller. Well, Bingo, AI is good for that. Yes, it's multi scale and all the transitions, transformations are nonlinear. AI is good for that, too."
本节重点
详细精要
三者任何一个都是必要条件，但单独而言都不充分。
Lab-in-the-Loop 的核心理念是将三者有机结合为一个迭代算法：
这个闭环有时也包含诊所（Clinic-in-the-Loop），当涉及临床试验和患者数据时。
基因泰克在过去近六年一直在系统性地构建这一闭环：
💬 精华片段（中文）
“我们需要做的是将这些部分组合起来，置于我们称之为‘实验室（有时是诊所）在环中’的架构里。从实验开始，收集数据，训练模型，用模型定义下一组实验，并不断重复。”
"What we need to do is to put these together in what we call the lab or sometimes the clinic in the loop, start with an experiment, collect data, train a model, use the model to define the next set of experiments. And repeat."
本节重点
详细精要
从这些数据中学习一个模型，关联扰动与其效应。然后查询这个“地图”，找到能产生期望细胞/组织效果的靶点。
人类遗传学是因果性推断的关键基础，但主要信号在“暗物质”中：
核心难题：如何知道一个非编码序列变异究竟产生什么功能影响？
为解码非编码序列，创造了一个基于大量随机数据训练的“神谕”（Oracle）模型：
反向设计的验证：用模型设计高/低表达的序列，“红色”序列被设计为驱动极高表达，“蓝色”为极低表达，实验结果完全符合预期。
将酵母中的概念扩展至人类细胞，解决细胞特异性的核心挑战：
💬 精华片段（中文）
“过去，人们基于对生物学的最佳理解设计了大约1万个序列。那点数据量不大，模型的预测效果也不好。但如果我们转向‘数量取胜’，测试非常大量的随机序列，这实际上在实验室里更容易做到，会怎样呢？”
"So in the past, people designed about 10,000 sequences based on their best understanding of biology. That's not a lot of data, and the models were not predicting well. But what if we went to, for sheer quantity instead, and we tested very large numbers of random sequences, which is actually much easier to do in the lab."
本节重点
详细精要
规模：可以在一个混合实验中处理数百万及更多的细胞。
通过Perturb-seq数据学习到一个可解释的调控模型：
由此构成的网络揭示了这些免疫细胞生命周期的五个主要部分中各自关键的蛋白质。
将网络模块与人类遗传学结合，从数百个关联位点精准定位到6个靶点基因：
流程：从一种自身免疫病的数百个遗传相关区域出发 → 通过细胞筛选 → 精确锁定到6个优先基因，它们恰好影响对自身免疫治疗探索至关重要的表型。
Perturb-seq 循环的广泛应用：
💬 精华片段（中文）
“这种可解释模型将扰动分组为具有相似影响的模块，并将受影响的RNA分组为共调控基因。这个回路在免疫细胞生命周期的五个主要部分中，分配了不同的关键蛋白质。”
"The interpretable model that we learn from one such screen is a regulatory model. It groups perturbations into modules with similar impacts, and it groups the impacted Rnas into co regulated genes. This circuit assigns distinct proteins of interest in each of five major parts of the life cycle of these immune cells."
本节重点
详细精要
扰动视图（Perturb-View） 进一步增强了此工作流，使其能处理原代细胞和真实组织。
设计并行实验并开发整合AI模型Mokave：
模型原理详解：Mokave 接收多模态单细胞扰动数据，将其划分为不同环境——一个基线环境（对照细胞及无显著表型变化的细胞）和每个扰动的独立环境。模型学习背景隐空间和显著隐空间来估计分布参数，并使用了环境特定条件先验，消融研究表明这显著增强了模型灵敏度。最终通过摊销变分推断进行拟合，每个模态和隐空间都有专门的编码器。
关键生物学发现：RNA和影像在表征扰动效应上高度一致：
与疾病因果链相连：将体外因果律（实验扰动）与人类因果律（遗传学）结合，推导出“调控因子 → 程序 → 人类性状”的因果链。这揭示了导致 IBD 和 2型糖尿病 风险的多个因果链，这两种疾病中巨噬细胞都扮演重要角色。
进阶应用：从影像数据生成未测量的RNA数据，并成功实测验证：
💬 精华片段（中文）
“那么一个有趣的生物学问题是：如果我基于RNA或基于显微镜图像来关联这些扰动，我会得到相同还是不同的答案？...结果证明，我们得到的基本上是相同的。事实上，在RNA中具有相似影响的扰动，在成像中也具有相似影响，反之亦然。”
"So an interesting biological question: If I relate perturbations to each other based on looking at RNA or based on looking at microscopy images, do I actually get a same or a different answer? ... It turns out that we kind of get the same, in fact, perturbations that have similar impacts in RNA also have similar impacts in imaging and vice versa."
本节重点
详细精要
聚焦于一种免疫细胞在 LPS 刺激下，约 600个 有影响的基因，组成约 18万对，需要约 1800万 个细胞。这个实验实际上是可以做的，但依然非常庞大、昂贵和困难。
以主动学习驱动的闭环方案：
效果：经过几轮迭代，得到的模型在预测性能上优于仅靠同样多随机挑选组合训练的模型。
收集基础数据集，构建细胞生物学的基础模型（虚拟细胞）：
💬 精华片段（中文）
“如果我们不是实验性地去做全部18万对组合，而是用AI预测出600对信息量最大的组合去测试，从而得到一个更好的模型，然后用它来完成剩下的工作呢？这就是迭代式‘实验室在环中’让我们能做的事。”
"What if instead of doing 180,000 pairs experimentally, we'd actually use AI to predict 600 pairs most informative to test in order to get a better model. And that can complete the rest. This is what an iterative lab in the loop allows us to do."
本节重点
详细精要
这些数据正以每六个月翻一番的速度爆炸式增长。
数据增长带来巨大的“劳苦”挑战，催生AI代理：
各类AI代理（Agents）应运而生：
三款模型/方法用于系统性解答药物研发的核心问题：
发现案例：通过此系统，发现 MS1细胞 可能在四种此前毫无关联的炎症性疾病（川崎病、AGE、SFTS、以及COVID-19和脓毒症）中都发挥作用，并在川崎病患者血清样本中得到了实验验证。
整合所有数据构建“病理学地图”（Pathology Map），大幅提升靶点发现效率：
💬 精华片段（中文）
“这些数据持续以如此之快的速度增长，在过去的几年里，它们每六个月就翻一番。但这些数据增长得越多，对其进行推理和回答药物研发关键问题的要求就越高，劳苦程度也就越甚。”
"In fact, these kinds of data continue to grow so rapidly that for this past several years, they've been doubling every six months. But the more these data grow, the more demanding it actually becomes to reason over them and answer critical questions. For drug R&D, the worst it is in the toiling."
本节重点
详细精要