人工智能+虚拟细胞的构建
VIRTUAL CELL CONSTRUCTION · AI + VIRTUAL SIMULATION
为保证教学期内同一任务可复现，平台对模型版本、权重、默认参数、随机种子与数据集版本予以固定，并在本页公布。凡标注 待填 的字段，须在平台联调前补齐并校验一致。
| 字段 | 内容 |
|---|---|
| 模型名称 | 虚拟细胞教学模型（VC-Teach） |
| 固定版本号 | 待填 如 v1.0.0（学期内锁定） |
| 底座模型 | 开源预训练细胞基础模型的教学轻量化部署，待填 开源模型名称、原始版本与许可证 |
| 权重校验值 | 待填 SHA-256（用于核验教学期内权重未被替换） |
| 训练 / 参考数据 | 百万级人类单细胞参考图谱，详见数据卡 D-1 |
| 输入 | 单细胞基因表达谱矩阵（基因 × 细胞），完成质控与归一化后的数据 |
| 输出 | 细胞状态向量；细胞类型标签与置信度；指定扰动条件下的预测表达谱 |
| 默认超参数 | 微调轮数 5，其余超参数取平台默认值；教师自定义参数功能另行公布 |
| 随机种子 | 待填 固定种子值（数据划分、初始化、采样共用） |
| 推理环境 | Python + PyTorch + FastAPI；NVIDIA A10（24 GB 显存）单卡，或 CPU 推理（响应时间相应延长） |
| 推理性能 | 单步响应时间秒级（不超过 5 秒），支持 40—60 人并发 |
| 适用范围 | 面向单细胞转录组数据的细胞类型注释、状态表征、轨迹分析（仅限具连续状态变化依据的数据）与扰动响应预测教学训练 |
| 已知局限 | 对训练中未见扰动的预测能力有限；基因留一测试不等同于跨细胞情境的泛化能力；伪时间轨迹为数据分析结果，不解释为真实分化或因果驱动；药物扰动输出仅用于学习流程 |
| 使用限制 | 仅限教学与学习用途，不作为研发决策依据；不得用于临床诊断或药物研发结论 |
三份数据集分别对应“参考图谱 / 教学分析数据 / 扰动评测数据”，用途与许可分别登记。
| 字段 | 内容 |
|---|---|
| 登录号 / 来源 | 待填 公开数据库登录号与版本 |
| 样本清单 | 待填 组织来源、供体数与样本数 |
| 规模 | 百万级人类单细胞 |
| 使用许可 | 待填 原始数据许可条款，须允许教学与二次分析 |
| 预处理流程 | 统一基因空间对齐，保留平台标准基因集 |
| 用途 | 作为图谱映射与注释的参考基准 |
| 字段 | 内容 |
|---|---|
| 登录号 / 来源 | 待填 公共数据库登录号；取自公共数据库真实数据 |
| 规模 | 约 5000 个细胞（规模按典型教学场景设定） |
| 样本清单 | 待填 细胞系名称、样本分组与批次信息 |
| 使用许可 | 待填 须允许教学使用；学生须在步骤 5 登记来源与许可 |
| 预处理流程 | 平台提供未处理矩阵，由学生完成质控、归一化、高变基因选取与批次校正 |
| 质量特征 | 含低质量细胞与批次效应，用于训练质控与校正判断（阈值须结合质控图调整） |
| 用途 | 步骤 5—18 的分析对象 |
| 字段 | 内容 |
|---|---|
| 登录号 / 来源 | 待填 公开 Perturb-seq 高通量基因扰动测序数据集登录号 |
| 扰动类型 | CRISPR 基因敲除；药物扰动为拓展演示 |
| 使用许可 | 待填 原始数据许可条款 |
| 划分方式 | 按扰动基因留一划分，划分后冻结，仅在最终评测使用 |
| 信息隔离 | 测试信息不参与训练、微调与参数选择；归一化、高变基因选择与批次校正等数据驱动步骤仅在训练数据上拟合 |
| 评价指标 | 预测与真实扰动数据在差异基因表达变化量上的 Pearson 相关系数 r，按生物重复汇总，并与未扰动恒等预测、训练均值预测两个简单基线比较 |
| 参考分级 | r ≥ 0.8 / 0.5 ≤ r < 0.8 / r < 0.5 —— 仅为本教学数据集的参考分级，须结合基线、样本量及其他指标解读，不作为跨数据集通用标准 |
| 用途 | 步骤 19—21 的评测与结果判读 |
模型版本、权重校验值、默认参数与随机种子在学期内锁定，本页留存历史版本记录。
测试集划分后冻结，不参与训练、微调与配置选择；数据驱动步骤仅在训练数据上拟合，避免信息泄漏。
学生操作日志、参数组合、方案迭代轨迹与预测表现全程记录，可回溯查询并用于过程性评价。