2026年10月13日，由清华大学基础医学院主办的生物医学前沿系列讲座（Frontier of BioMedicine Seminar）在医学科学楼B323顺利举行。本期讲座特邀北京中关村学院副教授、前微软高级研究员邓攀博士，以“Modeling and Navigating Cell State Transitions with Deep Learning”为题作学术报告，会议由纪家葵教授主持。

报告开场，邓攀博士谈到，细胞命运决定贯穿发育、再生与疾病发生全过程，是领域内的核心命题。然而现阶段，还没有一套统一框架，能够系统性地刻画、预测并干预细胞状态之间的转变。搭建可模拟全局细胞状态景观、并定向引导细胞状态转换的计算系统，已然成为现代生物学的关键难题。她详细介绍团队依托单细胞组学、深度学习与“虚拟细胞”等前沿思路，搭建可建模、调控细胞状态的计算体系。

邓攀介绍化合物生成模型

报告中，邓攀重点分享了团队开发的CellNavi模型。该模型能够学习细胞状态流形（cell state manifold），精准定位驱动细胞状态转换的关键基因。与此同时，团队搭建了基于大语言模型（LLM）的GEMGen框架，聚焦表型导向的小分子生成研究。邓攀表示，两套技术体系互为补充，不仅有助于揭示发育和疾病进展中细胞状态转换背后的分子机制，还可理性生成能够诱导预期细胞状态改变的化合物，为搭建可解析、调控细胞动力学的可编程框架奠定基础。

报告尾声，邓攀分享道，团队搭建深度学习分析模型，挖掘CRISPR筛选的基因扰动、化合物扰动对应的细胞状态数据，阐释化合物对不同基因靶点的调控规律。在此模型支撑下，研究团队实现全新化合物结构的从头生成与合成，经生物学实验验证化合物对靶基因的作用，成功发掘能够作用于目标靶点的新型化合物。

报告现场

本次讲座系统展示了利用人工智能对细胞状态进行多维度建模与导航的前沿方法，深入剖析了当前研究在数据整合、模型泛化及因果解释等方面的局限性，并全面介绍了大语言模型在细胞命运调控、疾病机制解析和AI驱动药物发现领域的最新进展，极大地拓展了在场师生对AI与生物医学交叉研究应用前景的认知。

讲座最后的提问环节现场气氛热烈，本次讲座参与师生人数众多，大家热情高涨。与会师生围绕报告核心研究成果、CellNavi与GEMGen模型技术细节、后续实验验证方案及临床转化前景踊跃提问，与邓攀博士开展深入充分、富有成效的学术研讨，现场交流互动氛围浓厚。

学习心得

听完邓攀博士的报告，我最深的感受是：面对复杂的生命系统，我们正从“寻找单一靶点”的静态思维，全面迈向“理解并导航细胞状态”的动态系统思维。过去在面对基因突变时，我们往往把注意力集中在突变本身。但邓攀博士介绍的CellNavi模型和GEMGen框架，让我看到了一种极具启发性的范式转变——通过深度学习学习细胞状态流形，精准识别驱动状态转换的关键基因，并利用大语言模型表型导向地生成小分子化合物。这不再仅是“制造更强毒性来杀死细胞”，而是试图通过“虚拟细胞”的推演，理性引导细胞从病理状态转向健康状态，甚至实现细胞身份的重新校正。

同时，这场报告也让我深刻体会到学科交叉的巨大潜力。AI与生命科学的融合正在打破传统生物医学研究的固有认知。邓攀博士将计算机科学的逻辑、大语言模型的能力与单细胞组学、系统生物学深度融合，不仅拓宽了我们的学术视野，更点燃了大家内心对科研的强烈好奇与求知欲。