Arc State
1 亿多扰动细胞训练，数据由 Tahoe、Parse 等外部生产
- 数据类型
- 单细胞扰动转录组
模型与发布
Arc Institute 2025-06 发布的扰动响应预测模型，含 SE 与 ST 两部分[1]。
训练数据配方
- 公共库：SE 预训练用 1.67 亿观测人类细胞[1]。
- 外部真值：ST 训练超 1 亿扰动细胞、70 多个细胞背景，大头是 Tahoe-100M（State 论文口径 1,138 条件、380 种药物，⚠️ 药物数与 Tahoe-100M 的 1,100+ 口径不一致），另有 Parse-PBMC（约 1,000 万细胞）与 Replogle-Nadig（2,024 个扰动、4 个细胞系，见 Perturb-seq（Replogle 2022））[1]。
- 评测：2,102 种扰动、5 个数据集、40 个背景。蒸馏合成：无。
数据供应方与许可
Tahoe Therapeutics、Parse Biosciences、Replogle/Nadig 实验室；State 自己不产湿实验数据，属"外部真值厂商供数据" [1]。
已知问题与口径冲突
二手转述称独立基准中 State 比细胞均值好 26%，多个模型连线性基线都没打过；Arc 自称好 50%，均 ⚠️ 未回源。见 Arc Virtual Cell Challenge。
来源
相关卡片
Arc Institute公司与机构 · 美国
美国非营利生物医学研究所，运营虚拟细胞图谱与挑战赛
Parse Biosciences公司与机构 · 美国
split-pool 单细胞试剂与 GigaLab 服务；Qiagen 宣布收购
Tahoe Therapeutics公司与机构 · 美国
原 Vevo，造并开源 Tahoe-100M，目标 10 亿细胞
真值少但权重高的配方结构概念与方法
公共库打底、蒸馏放大、少量真值高权重收尾
Arc Virtual Cell Atlas数据集 · 美国
Arc 整合 scBaseCount 与 Tahoe-100M 的 3 亿+ 细胞公开图谱
Arc Virtual Cell Challenge数据集 · 美国
Arc Institute 扰动预测竞赛，2026 年改为零样本
Tahoe-100M数据集 · 美国
约 1 亿细胞的药物扰动单细胞图谱，CC0，Arc 图谱首发数据
Perturb-seq（Replogle 2022）论文与基准 · 美国
首个基因组规模 CRISPRi Perturb-seq，>250 万细胞，Cell 2022
卡片整理 2026-10-15。公司自报数据标“公司口径”；⚠️ 为未经独立核实。