生物学的ワールドモデル2025/11/29arXiv:2512.00306

VCWorld：仮想細胞シミュレーションのための生物学的ワールドモデル

VCWorld: A Biological World Model for Virtual Cell Simulation

構造化された生物学的知識と大規模言語モデルの推論を組み合わせ、摂動に対する細胞応答を解釈可能なステップごとの予測として再現するホワイトボックス型仮想細胞モデルを提案。

詳しい要約

1. どんなもの？

- 目的 - 細胞の perturbation 応答を予測する virtual cell modeling の新手法 - 名称 - VCWorld - 位置づけ - 細胞レベルの white-box simulator - 生物学的 world model を構成する試み - 構成要素 - 構造化された生物学的知識 - large language models の反復推論 - 出力 - perturbation 誘導性の signaling cascades の再現 - 解釈可能な段階的予測 - 明示的な機構仮説

2. 先行研究と比べてどこがすごい？

- 既存 virtual cell models - 大規模 single-cell datasets に強く依存 - 遺伝子発現と perturbation の明示的写像を学習 - 既存の multi-source 生物情報統合モデル - データ品質・coverage・batch effects により汎化が制約 - 共通の課題 - black box 的で解釈性に乏しい - 生物学的原理との整合性が示されず信頼性を損なう - VCWorld の差異 - 構造化知識と LLM の反復推論で white-box 化 - data-efficient に signaling cascades を再現 - 段階的予測と機構仮説を明示 - drug perturbation benchmarks で state-of-the-art - 推定経路が公開生物学的証拠と整合

3. 技術・手法の肝は？

- 全体像 - 生物学的 world model として細胞シミュレータを構成 - 知識の扱い - 構造化された生物学的知識を組み込む - 推論エンジン - large language models の反復推論を利用 - 予測の形式 - perturbation から signaling cascades を段階的に再現 - 解釈可能な stepwise predictions を生成 - 明示的な mechanistic hypotheses を併せて出力 - データ効率 - 大規模 single-cell データへの過度な依存を避ける data-efficient な動作 - 詳細な実装 - 要旨からは不明

4. どうやって有効だと検証した？

- ベンチマーク - drug perturbation benchmarks で評価 - 性能 - state-of-the-art の予測性能を達成 - 解釈性・生物学的妥当性 - 推定された mechanistic pathways が公開されている生物学的証拠と一致 - 検証の詳細 - データセット名・指標・比較手法の詳細は要旨からは不明

5. 議論はある？

- 主張される利点 - black box 性の克服と white-box 化 - 生物学的原理との整合性による信頼性向上 - data-efficient な運用 - 想定される論点 - LLM 推論に依存する機構仮説の妥当性・再現性 - 構造化知識の coverage と更新性 - batch effects 等のデータ課題への対処 - 要旨で明示された限界や反証 - 要旨からは不明

6. 次に読むべき論文は？

- 比較対象として想定される関連研究 - 大規模 single-cell datasets を用いる既存 virtual cell models - multi-source 生物情報を統合する recent models - 背景技術 - large language models を用いた生物学的推論 - 関連概念 - biological world model - perturbation response prediction - 具体的な論文名 - 要旨で参照されていないため不明

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Zhijian Wei, Runze Ma, Zichen Wang, Zhongmin Li, Shuotong Song, Shuangjia Zheng

分類: q-bio.CB, cs.AI, cs.LG

原文アブストラクト

Virtual cell modeling aims to predict cellular responses to perturbations. Existing virtual cell models rely heavily on large-scale single-cell datasets, learning explicit mappings between gene expression and perturbations. Although recent models attempt to incorporate multi-source biological information, their generalization remains constrained by data quality, coverage, and batch effects. More critically, these models often function as black boxes, offering predictions without interpretability or consistency with biological principles, which undermines their credibility in scientific research. To address these challenges, we present VCWorld, a cell-level white-box simulator that integrates structured biological knowledge with the iterative reasoning capabilities of large language models to instantiate a biological world model. VCWorld operates in a data-efficient manner to reproduce perturbation-induced signaling cascades and generates interpretable, stepwise predictions alongside explicit mechanistic hypotheses. In drug perturbation benchmarks, VCWorld achieves state-of-the-art predictive performance, and the inferred mechanistic pathways are consistent with publicly available biological evidence.

arXivで原文を読む →arXiv概要ページ

← 論文一覧