X-Cell:Xaira Therapeutics
虚拟细胞模型,预测基因扰动后的表达变化。
单细胞 · AI 原生 biotech · 美国 · 全站实体页 · 截至 2026-11-16
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | X-Cell;别名:X-Cell-Ultra、X-Cell Mini |
| 家族 | 家族条目:X-Cell-Ultra †(未核实);X-Cell Mini —†(未核实)。边界:同一发布内的两个规模,最大版约 49 亿参数,小版由一个公开单细胞模型初始化且未放出 |
| 机构 | Xaira Therapeutics |
| 机构类型 / 国家 | AI 原生 biotech / 美国 |
| 模型类别 | 单细胞扰动预测(扩散式语言模型) |
| 领域 | 单细胞 |
| 首次发布 | †(未核实)(依据:开发方发布稿(仓库前一日公开)) 两个日期都只靠公司稿与仓库,未有第三方佐证 |
| 其他里程碑 | 最早公开证据 †(未核实)(代码仓库公开(仅两次提交));预印本 v1 †(未核实)(预印本);代码发布 †(未核实)(仓库公开);官方公告 †(未核实)(公司发布稿) |
| 最近更新 | †(未核实);未检出发布后更新(截至 2026-11-16):截至 2026-11-16 未检出发布后的实质事件;项目页仍把权重与推理代码写作「即将提供」。(同日即最近更新,只表示未检出更晚事件)。此为最近一次有出处的事件,不代表此后没有更新 |
| 开放程度 | 代码:不开放;权重:不开放;权重与推理代码标为「即将提供」,计划采用非商用署名共享许可;测试扰动集已公开 |
| 状态 | 活跃:12 个月内发布,但发布后未检出事件 |
| 报过的 benchmark | 1 项计入(改协议 1) |
| 湿实验验证 | 无 |
| 全站实体页 | 全站实体页 |
| 截至 | 2026-11-16 |
做什么
用扩散式语言模型把对照表达值迭代替换为扰动后的值,并通过交叉注意力引入基因与蛋白互作先验,预印本称扰动预测随规模呈幂律并零样本泛化到两类新细胞(二手来源)。与 State、Tahoe-x1 的差别在架构,以及训练数据由开发方自产。
报过的 benchmark
按关系类型排列;每行标来源类型与出处。分数只在同一 benchmark、同一口径内有意义,见各 benchmark 页的当前排名。1 项计入(改协议 1)。
| Benchmark | 关系类型 | 计入 | 评测集 / 口径 | 来源类型 | 说明 | 出处 |
|---|---|---|---|---|---|---|
| 24 虚拟细胞挑战赛与扰动预测评测 | 开发方自报,协议有改动 | 是 | — | 自报 | 自建的留出 iPSC 扰动集,不是该挑战赛的盲测;项目页称比次优方法高数倍但未写明对手名称,预印本摘要的口径是「最多」若干倍 | 出处 |
其他评测(不在 44 项内)
- 留出 iPSC 扰动集(自建任务集,自报):开发方自建的留出扰动集,训练与评测同源
- 零样本迁移到新细胞类型(案例研究,第三方):据二手来源在两类未见细胞上做零样本评估
开发方称:以自产的大规模全基因组扰动数据训练,扰动预测随模型规模呈幂律,并在留出扰动集上显著优于未点名的次优方法。
独立证据:未检出独立证据(权重未公开,未检出第三方评测;公开盲测挑战上无成绩)
训练数据
| 类别 | 值 | 说明 | 出处 |
|---|---|---|---|
| a 公开库 | 未披露 | 项目页只列自产扰动集;小版本由一个公开单细胞模型初始化,间接继承其公开数据,其余公开数据使用情况未披露 | 出处 |
| b 私有 / 授权 | 否 | — | — |
| c 自产 wet lab 训练数据 | 是 | 自产 CRISPRi 扰动单细胞集 2,560 万个细胞;上下文数口径冲突:项目页与发布稿记 7 个筛选(每筛 9,735–18,924 个扰动),多数报道记 16 个生物学上下文 | 出处 |
| d 仅用于验证的 wet lab | 否 | — | — |
湿实验验证
无。开发方未报告湿实验验证,或本站未收录可核的记录。
背景
- 机构:开发方是一家 2024-04 出场的美国 AI 优先药物发现公司,做蛋白与抗体药,承续一所大学实验室的蛋白设计路线;员工数无官方披露,一家第三方数据商 2026-03 估计约 193 人。
- 融资:出场时带超过 10 亿美元的 A 轮承诺资金,由两家风险投资机构共同领投,估值未披露。
- 产品与合作:数据产品为两代扰动图谱(前代约 800 万细胞,本代 2,560 万细胞),模型为最大约 49 亿参数的本模型与规划中的小版本;扰动方向与 State、Tahoe-x1 竞争。
- 相关模型:STATE、Tahoe-x1、scGPT / Geneformer
怎么看
- 留出集成绩为开发方自报,项目页不写对手名称,不能当作领先证据。
- 自产大数据是壁垒,但训练与评测同源,跨细胞类型的泛化尚无独立复现。
- 无公开盲测成绩,无法与同方向模型在同一条件下对照。
- 上下文数有 7 与 16 两种口径,引用时须注明按哪一种计。
局限与注意
- 权重与推理代码未发布,结论不可复核。
- 首发与最近更新都只靠公司稿与仓库。
- 训练集上下文数在不同来源间不一致。
- 站内唯一配对是自建留出集,不是挑战赛成绩。
- 发布后未检出事件,不等于项目停滞。
来源
更正记录
无。
本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。