Benchmark2025-07-08证据 A
扰动模型遭遇更强基线
Nature Methods 的一项基准研究发现，在所测试的数据集上，评估的深度学习扰动模型并未优于简单线性基线。
为何重要它把证据标准从模型规模重新拉回跨情境、前瞻性的真实效用。
虚拟细胞产品需要前瞻验证和与决策相关的基准，而不是架构层面的宣传。01 / 07
值得解决的问题
起点是一个重要问题，而科学或技术进展正在改变它的可行性。
02 / 07
重点论点
可版本化的判断：证据、边界，以及现在可以构建什么。
Qoriant 论点 001
部分核验
阅读英文研究原文虚拟细胞：当生物学变得可计算
虚拟细胞系统已经能够表示细胞状态并生成可测试的扰动预测，但现有证据尚不支持‘通用人体生物模拟器’。近期可信的产品方向，是围绕具体实验决策建立有边界的预测与验证闭环。
03 / 07
正在观察的信号
一个经过审核的有限集合，而不是无限新闻流。
Infrastructure2025-06-01证据 C
Arc 建立共享虚拟细胞评估层
Arc Institute 公布了虚拟细胞图谱、扰动数据集以及围绕细胞反应预测的公开挑战。
为何重要共享数据与评估机制可以让不同方法真正可比较。
基础设施层可能比任何单一模型更具长期价值。Research2023-10-19证据 A
生物力学从实验室设备走向手机视频
OpenCap 报告了使用两部或更多智能手机视频估算运动学和动力学的验证结果。
为何重要低成本采集扩大了可以被测量的环境和人群范围。
近期机会在于具有明确任务误差边界的测量基础设施。Research2023-12-20证据 A
闭环实验室展示有边界的自主能力
Coscientist 与 A-Lab 在严格限定的化学和材料流程中展示了自动规划或执行能力。
为何重要它们提供了超越纯软件智能体演示的物理证据。
可信切入点是带审计轨迹、可控且仪器化的工作流，而不是通用自主科学家。04 / 07
突破
可能实质改变技术可行性的证据。
05 / 07
香港 × 深圳前沿地图
20 个具有来源依据的区域研究与创新节点。
The University of Hong Kong
Biomedical AI · Single-cell Genomics
The Hong Kong University of Science and Technology
AI · Robotics · Life Science
Cheng Kar-Shun Robotics Institute
Robotics · Autonomous Systems
The Chinese University of Hong Kong
Medical AI · Robotics · Genomics
06 / 07
人物
具有来源依据的机会节点，而不是人物传记。
01
来源可追溯
02Yuanhua Huang
Scientist
- 地点
- Hong Kong
- 研究
- Single-cell Genomics, Spatial Transcriptomics, Biomedical AI
- 对象
- 1 个问题 · 0 个信号
来源可追溯
03Caroline Uhler
Scientist
- 地点
- Cambridge, US
- 研究
- Causal Inference, Machine Learning, Genomics
- 对象
- 1 个问题 · 0 个信号
来源可追溯
04Fabian Theis
Scientist
- 地点
- Munich, Germany
- 研究
- Single-cell AI, Computational Biology
- 对象
- 1 个问题 · 0 个信号
来源可追溯
Jure Leskovec
Scientist
- 地点
- California, US
- 研究
- Machine Learning, Graph Learning
- 对象
- 1 个问题 · 0 个信号