细胞状态与图谱解析
围绕单细胞表达矩阵、样本分组和细胞注释，比较细胞亚群与状态变化，寻找与发育、免疫反应或疾病过程相关的研究线索。
AI virtual cell · Research
AI虚拟细胞
从单细胞与多组学数据出发，探索细胞状态、调控机制与扰动响应，让计算模型与实验验证形成研究闭环。
From measurements to models
以真实数据，构建可验证的细胞模型
AI虚拟细胞以真实的细胞测量数据为基础，利用机器学习建立细胞状态的计算表征。在特定物种、细胞类型与实验条件下，模型可用于研究表达模式、关联调控信息，并探索基因或药物扰动后的细胞响应。
研究从一个可验证的问题开始：需要哪些数据、如何定义细胞状态、预测什么变化、用哪些独立数据检验结果。模型输出用于提出和筛选研究假设，再与实验结果相互验证。
Research directions
围绕具体课题，探索三类研究方向
虚拟扰动与响应研究
在具备匹配扰动数据和对照的条件下，评估基因干预或药物处理后的表达响应预测，比较候选干预的影响，并为后续实验安排优先级。
多组学机制与靶点探索
结合表达、染色质可及性及其他适配组学信息，关联候选调控因子与功能通路，形成可进一步验证的机制假设和候选靶点。
Data · Model · Validation
从数据评估，到实验验证
- 01
研究目标与数据评估
明确研究对象、预测任务、现有数据和可用的验证条件。
- 02
数据整理与细胞表征
开展质量评估、样本信息整理与细胞状态表征，关注批次和实验条件。
- 03
建模与基线比较
选择适配的模型路线，与简单基线比较，设计避免数据泄漏的评估方案。
- 04
虚拟扰动与机制解释
在评估支持的范围内探索扰动响应、候选通路和调控线索。
- 05
验证与结果复盘
结合独立数据或实验结果检验研究假设，整理适用范围与后续研究建议。
数据准备
- 单细胞或单核转录组：表达矩阵、细胞与样本注释、实验分组及质量信息。
- 扰动实验数据：干预目标、剂量、时间点、对照与生物学重复等实验记录。
- 适配的多组学数据：单细胞转录组、ATAC-Seq、ChIP-seq、CUT&Tag、空间转录组、蛋白组、代谢组等数据。
- 可用于评估的独立数据：验证样本、留出实验条件，或与具体课题适配的公共数据。
项目成果与沟通
- 数据质量与细胞状态分析结果。
- 模型评估方案、基线比较及适用条件说明。
- 候选响应、调控线索与相关可视化结果。
- 可复现的分析记录和后续实验验证建议。
围绕具体课题讨论研究合作方向，数据要求、模型路线和交付范围在项目方案中确认。预测表现取决于数据质量与实验条件，研究结论需结合独立数据和实验验证。
Start your project
让技术方案适配您的研究问题
联系项目顾问，讨论样本条件、关键比较和分析目标。