从绘制到控制：Fabian Theis谈生物学的下一站

系统生物学正在换挡：从“画地图”到“下指令”

过去十几年，系统生物学的核心任务是把生命看得更细、更广、更多模态。单细胞测序、空间转录组、多组学整合——这些工具让研究者得以在更高分辨率上绘制生物学的“地图”。而 Helmholtz Munich 的 Fabian Theis 正在把这条曲线往前推一步：从绘制生物学（mapping），走向预测生物学（predicting），最终抵达控制生物学（controlling）。

他在近期的一次分享中系统阐述了这一路线图。核心判断很明确：当系统生物学的数据积累到一定密度，真正的价值不在于再画一张更精细的图，而在于用这些图去预测系统行为，并进一步施加干预、控制结果。

这一转向的意义在于，生物学研究的目标函数变了。传统组学研究的终点是一篇描述性的论文和一份公开数据集；而“控制”导向的研究，终点是一个可操作的干预策略——改哪个基因、在什么时间点、用什么剂量。这对计算方法和实验设计都提出了完全不同的要求。

三个台阶：Mapping、Predicting、Controlling

Theis 提出的框架可以理解为三个递进阶段，每一阶段都建立在前一阶段的数据基础之上。

Mapping：把分辨率、广度和模态同时推高

这是当前系统生物学的主战场。更高的分辨率意味着能看到单个细胞层面的异质性；更大的广度意味着覆盖更多样本、更多组织、更多物种；更多模态意味着把转录组、表观组、蛋白组等不同层面的信息叠加起来。Theis 的工作重心之一，就是推动这三条轴同时向前。

这里的关键挑战不在于产生数据，而在于整合数据。不同模态、不同批次、不同平台产生的数据如何对齐到一个共同的表征空间，是计算生物学长期要啃的硬骨头。

多组学整合指的是将同一生物样本上产生的多个分子层面数据——如转录组（RNA表达）、表观组（DNA甲基化、染色质可及性）、蛋白组——在计算上对齐并联合建模。常见策略包括基于共享特征（如基因）的矩阵拼接、基于隐变量的联合嵌入（如多模态VAE），以及近年基于对比学习的跨模态对齐。其核心目标是让不同模态的信息在同一个表征空间中互相补充，从而更全面地刻画细胞状态。整合的主要障碍在于模态间的尺度差异、批次效应和缺失模态问题，这也是评估整合方法时常用"批次去除"与"生物信号保留"两项指标的原因。

Predicting：让模型学会“接下来会发生什么”

当图谱积累到足够规模，下一个问题自然是：能不能预测？给定一个细胞当前的状态，它接下来会走向哪里？给定一个扰动，系统会如何响应？这本质上是从静态描述转向动态建模。

Theis 在分享中强调，预测能力是连接“看”和“做”的桥梁。没有可靠的预测，任何干预都只能靠试错。

Controlling：从理解系统到操纵系统

这是最终目标，也是最难的一步。控制生物学意味着不只是预测某个扰动会带来什么后果，而是反过来：给定一个想要的结果，求解出应该施加什么扰动。这是一个逆问题，难度远高于正向预测。

从工程视角看，这相当于把生物学从“观测科学”改造成“设计科学”。但生物学系统的非线性、反馈回路和噪声特性，让经典控制理论的直接套用变得非常困难。

逆问题在数学上指由观测结果反推原因或输入的问题。在控制生物学中，正向问题是"给定扰动，预测系统响应"，而逆问题是"给定期望响应，求解所需扰动"。逆问题通常是不适定的（ill-posed）：可能存在多个扰动组合达到同一效果，也可能无解，且解对噪声高度敏感。经典控制理论通过反馈机制和系统辨识来处理这类问题，但生物系统具有强非线性、时变性和未观测混杂因素，直接套用线性控制框架往往失效。因此，实际做法常采用模型预测控制与贝叶斯优化等迭代式策略，在"预测模型+实验反馈"的闭环中逐步逼近目标。

这对AI方法意味着什么

Theis 的路线图隐含了一个方法论判断：预测和控制的能力，取决于模型能否学到可迁移的表征。

单细胞数据的高维、稀疏、噪声大是出了名的。在这种数据上做预测，模型很容易过拟合到特定数据集，换一个组织或一个平台就失效。因此，Theis 团队长期投入的方向之一，是构建跨数据集、跨模态的通用表征——这也是近年来生物基础模型（foundation model）思路兴起的背景。

但需要冷静看待的是，生物基础模型目前距离“可靠预测”还有明显距离，更不用说“控制”。数据规模、标注质量、因果推断能力都是瓶颈。Theis 的表述更像是一个方向性宣示，而非已经兑现的成果清单。

为什么“控制”是更难的命题

从预测到控制，中间隔着一道因果鸿沟。

相关性模型可以告诉你“这两个基因的表达总是同步变化”，但不能告诉你“敲掉其中一个，另一个会怎样”。而控制恰恰需要后者。当前主流的多组学数据绝大多数是观测性的，干预性数据（perturbation data）的规模要小得多。

这就带来一个现实约束：控制生物学的发展速度，可能不取决于计算方法的进步，而取决于干预实验数据的积累速度。Theis 的路线图若要落地，需要实验端和计算端更紧密的协同——这也是他反复强调跨学科协作的原因。

另一个不那么被讨论的难点是评估。预测任务有明确的评估指标，但“控制策略好不好”往往需要在活体系统中验证，反馈周期长、成本高。这会让方法的迭代速度远慢于纯计算领域。

**扰动数据（perturbation data）**指通过实验手段主动干预系统后采集的组学读数，典型形式包括CRISPR敲除/敲低/激活筛选、药物处理和小分子扰动，配合单细胞转录组读出（如Perturb-seq）。与观测性数据相比，扰动数据能揭示"干预—响应"的因果关系，是训练预测模型和求解控制策略的关键资源。其局限在于：通量远低于观测数据、每个扰动单独建库成本高、多重扰动组合空间呈指数增长，且不同细胞类型和实验平台间的可迁移性有限。这些因素共同决定了控制生物学的发展节奏在很大程度上受制于扰动数据的积累速度与标准化程度。

结语

Theis 提出的 mapping → predicting → controlling 三段式，与其说是一个技术路线，不如说是一次目标重设。它把系统生物学从“积累知识”推向“产生干预能力”，也为AI方法在生命科学中的角色给出了更明确的定位：不是替代实验，而是让实验更有方向。

这条路径的兑现速度，取决于数据、方法和实验验证三者的耦合程度。从目前的进展看，第一阶段仍在加速，第二阶段刚刚起步，第三阶段则更像是一个值得认真对待的长期目标。