数据层：保留细胞的上下文
表达矩阵、细胞标签、干预条件、剂量、时间和批次应关联记录。不同模态在样本层面的对应关系也需明确。
查看验证方法 ↗AI VIRTUAL CELL · 技术方法
从细胞数据，走向可验证的预测。
围绕研究问题组织数据与模型，以清晰的输入、输出和评估标准，构建可追溯的细胞计算研究路径。
RESEARCH ARCHITECTURE
四个环节，一条证据链。
以下为研究方法框架。具体模型、数据模态与交付范围，应以项目评估后确认的方案为准。
INPUT → QUESTION → OUTPUT
先定义问题，再选择模型。
研究数据
表达矩阵 / 影像 / 元数据 / 对照条件
生物学背景
细胞类型 / 来源 / 培养条件 / 时间点
计算任务
状态比较 / 扰动响应 / 候选优先级
验证输出
效果评估 / 局限分析 / 实验建议
数据准备清单
| 数据类别 | 建议准备 | 关键检查 |
|---|---|---|
| 单细胞数据 | 表达矩阵、基因标识、细胞与样本注释 | 质控标准、测序平台、批次与来源 |
| 干预信息 | 化合物或基因标识、剂量、时间、对照 | 条件命名一致，重复实验可区分 |
| 表型与影像 | 原始读出、采集参数、标签定义 | 观测终点明确，匹配样本可追溯 |
| 合规与授权 | 数据使用范围、共享限制、去标识化情况 | 确认使用许可，避免直接上传敏感数据 |
MODEL EVALUATION PROTOCOL
任务与验证设计
将预测目标、数据划分与生物学读出放在同一份研究方案中。项目采用的模型、评价指标与验收条件需在分析前约定。
| 预测任务 | 数据划分 | 评估关注 |
|---|---|---|
| 细胞状态比较 | 按供体或生物学样本留出，检查批次混杂 | 细胞类型保留、状态稳定性与独立标志物验证 |
| 药物扰动响应 | 分别评估已见背景、新化合物与新细胞背景 | 相对对照的表达变化、差异基因与通路方向；与简单基线比较 |
| 剂量与时间分析 | 区分观测范围内插值与范围外推断 | 剂量趋势、时间一致性及独立表型终点 |
记录输入数据版本、质控规则、数据划分、基线设置、随机种子与评估脚本，使每一次研究结果都可复现、可复核。
PROJECT SERVICES
交付与验收：在分析开始前说清楚
按项目约定交付范围，避免只交付图表而缺少方法与证据。
输入可追溯
分析前约定样本清单、数据字典、质控处理及允许使用范围；明确原始数据与处理后数据的对应关系。
结果可复核
交付清单明确结果表、图表、方法说明、基线比较与局限；预测候选需包含排序依据和适用条件。
复现与成果交接
在合同中约定脚本交付、软件与模型版本、环境记录、知识产权和文件格式；第三方代码、模型及数据遵循各自许可。
START WITH A QUESTION
从一个细胞问题，开始探索。
明确研究目标、数据条件和验证路径，让预测服务于下一步实验。