近日，Arc 虚拟细胞计划团队与加州大学旧金山分校的 Hani Goodarzi 在《Cell》发表评论，官宣了这项赛事的设计逻辑。不过，今年的规则近乎苛刻：不提供任何挑战专属训练集，模型必须零样本（zero-shot）预测从未见过的细胞系在基因敲低后的反应。
没有训练集，怎么考？
简单来说，今年的考题是：给你一种陌生细胞在未受扰动时的基因表达"快照"，再加一份待敲低的基因名单，预测敲低之后细胞会变成什么样。
具体而言，Arc 用 CRISPR 干扰（CRISPRi）结合 10x Flex 单细胞测序，在 6 条来自不同组织的癌细胞系上完成了 Perturb-seq 实验。其中 3 条进入验证阶段：参赛者拿到每条细胞系的非靶向对照表达谱，以及 300 个待预测的敲低基因标识。[14, 18]
剩下 3 条被严格扣留，10 月 22 日才放出测试输入，最终提交阶段没有任何成绩反馈。这一设计刻意把"接触目标细胞"和"接触该细胞的扰动结果"分开。模型无法靠在目标细胞系上刷题取胜，它必须学会扰动效应如何跨细胞情境迁移。
因此，零样本泛化直击药物研发最缺的能力：罕见细胞类型、无法体外培养的原代细胞、依赖体内微环境的组织状态，都没法"先做实验再预测"。
简单来说，今年的考题是：给你一种陌生细胞在未受扰动时的基因表达"快照"，再加一份待敲低的基因名单，预测敲低之后细胞会变成什么样。
一场 5,000 人的考试，暴露了什么问题？
把难度调高，是因为第一届的结果喜忧参半。
2025 年的首届比赛要求预测 H1 人胚胎干细胞中单基因扰动的后果。比赛吸引 114 个国家超过 5,000 人报名，1,200 多支队伍提交结果，300 余支进入决赛。[1, 6]
冠军由 BioMap 研究的 BM_xTVC 队摘得，其 xTrimoSCPerturb 模型改进了 scFoundation 架构，并融合蛋白模型嵌入。亚军、四川大学的 XLearning Lab 思路反而朴素：把单细胞数据压缩成伪 bulk，再用残差学习预测扰动变化。[4]
但复盘并不全是好消息。问题出在哪？主办方承认，最强模型未能在所有指标上稳定跑赢朴素基线。有团队证明，一个在伪 bulk 数据上训练的简单回归模型，就能排到排行榜第 15 名左右。[1, 5]
比赛中途还出现了规则补丁：由于 MAE 指标实际失去区分度，头部队伍集中刷另外两项分数，组委会临时增设"通用奖"。新奖项改用 7 项指标综合评定，最终由 Altos Labs 的流匹配生成模型获奖。[2, 7]
所以今年，评分体系被重新设计。六项互补指标各自在"细胞情境均值"与"真实重复实验数据"之间归一化，总分是六项指标、多个细胞情境上的等权平均。刷单一指标不再奏效。[18]
其中 3 条进入验证阶段：参赛者拿到每条细胞系的非靶向对照表达谱，以及 300 个待预测的敲低基因标识。
细胞建模的 AlphaFold 时刻，还有多远
为什么要如此大费周章？答案指向药物研发的老伤口：进入临床的候选药物约 90% 最终失败，多数倒在疗效或安全性上。[6] 细胞在培养皿里的反应，常常无法外推到人体。2025 年 4 月，NIH 宣布优先发展人源研究技术、减少动物使用，计算模型被明确列入其中。[9]
Arc 自己的模型也在迭代：2025 年 6 月发布的 STATE，用近 1.7 亿个细胞的观测数据和超过 1 亿个细胞的扰动数据训练。2026 年 1 月，Arc 又推出开源模型 Stack，主打在新情境中的上下文学习。[16] 但 Arc 的对标对象并非某个具体模型：它看齐的是 CASP——那个最终催生出 AlphaFold 的蛋白质结构预测竞赛。[8]
评论写道，如果领域能把扰动谱分析这类基础实验搬进计算机，细胞建模或许将迎来自己的"AlphaFold 时刻"。但这个时刻的前提被定义得很克制：实验不会变得不再必要，模型的价值在于告诉研究者，哪些实验最值得做。
11 月 5 日提交截止。3 条从未露面的细胞系，将给出零样本时代的第一份答卷。