控制生物学——Fabian Theis，Helmholtz Munich

判断

Fabian Theis从绘制转向控制生物学的决定，应使其实验室将建模重点转向多尺度、共配准数据和尺度接口，接受更慢的验证与干预风险，而非追逐扰动预测基准。

依据

Theis认为，在现有数据集上的扰动预测不够困难，不足以证明复杂算法有必要。来源指出，在2025 Arc Virtual Cell Challenge中，恒定基线常常在扰动预测上胜过复杂模型，尽管校准不佳的指标会让无信息的均值预测显得更好。他转而提到Biohub获得的来自Biohub、NIH、DOE、Google和Meta的18亿美元承诺，用于生成跨分子→细胞→生态位→组织→器官→生物体的大型、高精度、多尺度、共配准生物数据。其机制是，更丰富的数据和校准更好的指标可能让模型学习尺度接口，而不是过拟合薄弱的扰动基准，但来源也说，我们尚缺乏对这些接口和数据的理解。