人类细胞图谱联合发起人 Sarah Teichmann：单细胞参考图谱的初稿快完成了，药物研发里先用在靶点和安全性上

图谱是基因组和生理之间的那一层

她把人类细胞图谱放在人类基因组计划和癌症基因组计划之后：用单细胞和空间基因组技术，测出每个细胞的分子指纹和它在组织里的位置。她的例子是心房颤动的风险变异：过去用心脏组织块的平均数据来解读，现在看到它们作用于肺静脉里一类能放电的心肌袖细胞，而且方向和组织块数据显示的相反，会提高一种多胺合成酶的表达。

“Before we had kind of a Google at the level of cities and towns and villages, now we have a Google Street Maps at the level of individual houses.”Sarah Teichmann

健康参考图谱本身就能用在靶点和安全性上

她说，即使只看健康组织，图谱也给出药物靶点在哪些细胞表达、表达多少，这对安全性和毒性很重要；疾病图谱多来自用同样技术做的独立队列研究，和健康参考对照，能看出哪些细胞变化是早期驱动、哪些是后果，并用于给病人分层。她引用自己组的预印本说，这类数据对靶点能否通过一、二、三期试验有预测力，并提到斯坦福 Zou 实验室的 Virtual Biotech 在智能体框架里得出类似结论。

从预测到实验是一级级往上走

问到 AI 提出一个靶点后要做什么才值得花实验经费，她说这是数据科学和湿实验之间的反复：图谱多数是按 RNA 推断的，所以第一步是看那个蛋白是否真在细胞表面；然后在相关细胞上做扰动实验，再到类器官、工程组织，也许还有动物模型。高通量的“实验在环”在抗体开发里已经很清楚，她认为同样的循环也能跨实验模型进行，每一步拿到足够信心再去做更复杂、更贵的实验。

疾病才是真正的扰动，选题仍是科学家的事

主持人提到一家前沿 AI 公司建了自己的机器人湿实验室。她说，机器人做的细胞扰动很系统，但人体疾病才是真正的扰动，那类数据不系统，必须仔细整合建模，才能说明人体内发生了什么。模型、机器人、细胞系统和要做哪些扰动，仍由科学家设计和决定；抗体发现很多早已机器人化、和 AI 形成循环，团队并没有消失，只是换了技能。她也说模型会走进各种“兔子洞”，所以要有基准、评测和检查。

数据开放受两样东西限制

她说如果模型和数据完全开放，进展最快，但商业利益和知识产权让公司把数据和模型留在内部，涉及活人的医疗数据又受隐私法规约束。一个还没有答案的问题是：用这些数据训练的模型，权重里含有多少原始数据，因而能不能开放。