阿里下场“AI 干细胞重编程”：400多万种组合的最优解，到底是谁“喂”出来的？
7月14日，一条消息在生命科学圈刷屏：西湖大学与阿里巴巴达摩院联合发布了一款干细胞重编程预测AI模型——“归元”（ReproPerturb）。
据介绍，这款模型能从25种谱系调控因子（17种小分子药物+8种蛋白类生长因子）近400万种组合中，快速预测出诱导细胞进入目标干细胞状态的最优方案。团队据此在体外首次培育出可稳定传代超50代的高质量下胚层样干细胞。
达摩院资深算法专家顾斐在采访中提到一句话，我们看完印象很深：
“诱导干细胞命运转换，我们面对的是一个极其复杂的组合优化问题……如果都靠传统方式逐一实验验证，可能需要数十年时间，成本高，成功率也很低”。
400万种组合，数十年vs几个月，这确实是AI该做的事。但这条新闻里，还有一句更容易被忽略、却更重要的话：团队之所以能训练出这样一个模型，前提是“针对干细胞重编程构建了大规模组合扰动数据集”。
这句话，恰恰是我们想聊的重点。
01
归元的“聪明”，聪明在哪？
归元并不是一个凭空生成答案的黑盒子。公开信息显示，它采用了双模态编码策略：一边用分子结构表征小分子药物，一边用蛋白语言模型编码生长因子和细胞因子，把两类完全不同的信息统一投射到同一个高维空间里，再去预测不同组合对细胞命运的影响。
更值得关注的是，团队特意在模型里加入了可解释性模块，让预测结果能对应到已知的生物学信号通路上——AI不仅告诉研究者“哪个组合更可能有效”，还能解释“为什么有效”。
这套设计思路背后，其实藏着一个行业共识：能不能预测准，从来不是算法一个人的事，而是算法能不能吃到足够多、足够真实的数据。归元团队没有绕开这一步，而是先老老实实建了一套大规模组合扰动数据集，再在此基础上训练模型。换句话说，模型越聪明，背后往往站着一支同样扎实的数据团队。
把视角拉远一点看，会发现归元不是孤例。
Tahoe、Arc Institute、Biohub三方联手，目标是生成并开源迄今为止最大的单细胞扰动数据集——超1.2亿个单细胞数据点、覆盖约22.5万种扰动，明确说就是为了“填补虚拟细胞模型领域的数据空白”。Arc Institute自己训练的State、STACK等模型也反复印证同一个规律：模型的泛化能力，几乎完全取决于训练所用扰动数据的规模与多样性。
反观目前最常用的公共数据集L1000，每个profile实测的基因只有约978个，其余靠算法推断补全；覆盖的细胞类型也偏向少数几种常见的癌症细胞系。对于想要“全景、精准、可泛化”的下一代生命科学大模型来说，这样的数据燃料，纯度不够，也不够全。
一句话总结：这场表面上拼模型架构的竞赛，本质拼的是谁能更快、更便宜、更高质量地产出真实扰动数据。归元的出现，某种程度上又一次验证了这个判断——连阿里这样的大厂做AI模型，第一步依然是先花力气把自己的数据集搭起来。
如果说归元是“用AI预测干细胞状态该怎么设计”，那么昕瑞再生这几年一直在做的，是同一类问题在新药发现场景下的实践——只不过我们的目标细胞状态，不是“变成干细胞”，而是“从病理状态变回健康状态”。
支撑这一切的核心引擎，是昕瑞自主研发的DRUG-seq2高通量转录组测序技术：在96/384孔板中对每孔加药后的细胞做3′端条形码标记，混样后一次性高通量测序，再按条形码拆分，还原出每个处理条件下的全转录组指纹。单孔可检测10000—12000个基因的表达，孔间无交叉污染，与常规RNA-seq数据高度相关，相关技术与应用已见于《Nature Communications》《Cell Reports》《Cell Stem Cell》等期刊。
放在“数据燃料”的坐标系里看，DRUG-seq2的每一项参数，其实都是在补公共数据集（如L1000）的短板：读出基因数从978个提升到10000—12000个；细胞类型不再局限于常见癌系，原代细胞、类器官、患者样本均可适配；样本用量低至1000个细胞，成本和周期大幅下降，让上万化合物的大规模筛选变得可行。
这套引擎已经跑出过真实成果。在昕瑞内部自研的人皮肤瘢痕疙瘩治疗药物早期发现项目中，团队用DRUG-seq2从近万种小分子化合物中筛选，锁定先导分子FR-1。动物实验显示，FR-1能显著缩小瘢痕面积，效果优于经典解偶联剂FCCP，且首次揭示其通过“线粒体解偶联”逆转纤维化的作用机制。这项成果已于2026年发表在《Cell Reports Medicine》上。
从“近万种化合物”到“一个明确机制、疗效更优的先导分子”，靠的不是灵光一现，而是DRUG-seq2持续产出的真实扰动数据，加上团队的分析与验证能力——这正是“真实数据+AI/系统性筛选闭环”在中国的一次落地实践。
无论是阿里的归元，还是我们的DRUG-seq2，本质上都在回答同一个问题：AI给出的那个“最优解”，究竟是谁喂出来的？
答案越来越清晰——不是更炫的架构，而是更真、更全、更持续产出的实测数据。
昕瑞再生愿意做这场变革里最扎实的那一环。未来，我们可以稳定实现月产10万条化合物－细胞转录组实测数据，依托海量实测数据集支撑AI模型训练，挖掘化合物与细胞状态的内在关联，搭建数字细胞体系，落地药物虚拟筛选，让“改写细胞命运”的新药，从中国的实验室加速走向临床、走向患者。
DRUG-seq2数据平台现已开放合作，欢迎制药企业、科研院所与AI团队携手，共启智能药物筛选新篇章。
邮箱：xrzs-cx@xremed.com
官网：www.xremed.com
手机/微信：18936040318（微信昵称：昕小瑞）
南京昕瑞再生医药科技有限公司成立于2019年，先后获中科创星、红杉资本两轮融资，依托北京大学分子医学南京转化研究院软硬件支持。公司核心团队源自北京大学，承载创始团队在干细胞、再生医学及小分子创新药领域20余年经验，搭建了世界领先的细胞表型药筛平台——整合细胞疾病模型、表型组学定量、AI技术，聚焦“细胞疾病/衰老表型逆转”研发新药。
公司拥有自主知识产权的DRUG-seq2、PHDs-seq高通量测序技术，已在早期药物开发、靶点发现、人工智能大模型建立等场景见效，既服务自研项目，也为科研领域提供高质量技术解决方案。
