📰 正文
美国生命科学公司 Tahoe Bio 发布了一款新的人工智能模型：Tahoe-x1（简称 Tx1）。
它是一个拥有 30亿参数（3B） 的大型基础模型（foundation model）， 目标是让 AI 能够理解 基因、细胞和药物之间的关系。
简单来说，Tahoe-x1 想要让 AI “学会生物学的语言” —— 像 ChatGPT 理解人类语言那样， 它要理解一个细胞在不同条件下的反应、 理解药物会怎样改变基因的表达、 甚至推断某个药物是否对特定癌症有效。
这个模型的推出，标志着人工智能正式进入细胞与生命系统的建模阶段。
为什么要做 Tahoe-x1？
在语言、图像和蛋白质研究领域，AI 模型已经非常成功。 GPT 系列能理解人类语言， AlphaFold 能预测蛋白质结构。
这些成果背后的规律很清楚：
模型越大、数据越多、计算越强，性能就越好。 这被称为 “规模定律（Scaling Law）”。
但是，在细胞生物学里，这个规律一直行不通。
原因有两个： 1.
数据不够 单细胞实验成本高、数量少、噪声大， 很难像语言或图像那样积累成海量训练数据。
算力不够 一个细胞的数据维度可能上万（每个基因都是一个特征）， 普通 GPU 无法处理这种超高维的大规模数据。
这意味着，以前的生物模型要么太小、要么太慢， 根本无法做到像 GPT 一样的大规模学习。
Tahoe Bio 希望解决这两个难题。
从数据到模型：Tahoe 的两步走
Tahoe Bio 的策略非常清晰：先打好数据基础，再训练大模型。
第一步：建数据基座 —— Tahoe-100M
2024 年，Tahoe 发布了 Tahoe-100M， 这是目前世界上最大的单细胞扰动（perturbation）数据集。
它包含：
1亿个单细胞样本；
50种癌症模型；
1100种药物或基因干预。
这相当于给 AI 提供了一个前所未有的“生物语料库”。 如果说语言模型靠互联网文本学语言， 那么 Tahoe-x1 就是靠这些细胞数据学会“生命的表达方式”。
第二步：建模型 —— Tahoe-x1
有了庞大的数据，Tahoe 团队开始打造一个能真正“理解细胞”的 AI 模型。
他们的目标很直接：
“用大模型的方法，训练出一个能理解细胞反应的智能系统。”
于是，Tahoe-x1 诞生了。 它不仅能在基因层面识别生物规律， 还能在系统层面预测细胞对药物的反应。
Tahoe-x1 有什么特别的？
Tahoe-x1 的特别之处，不仅在于它大，更在于它聪明地大。 它借鉴了 GPT 的训练经验，但做了很多适应生物数据的改进。
1️⃣ 高效训练——“让显卡喘口气”
生物数据维度太高，传统算法根本训练不动。 Tahoe 团队引入了一整套高效训练方案，包括：
FlashAttention v2：一种更快、更省显存的注意力算法；
FSDP（Fully Sharded Data Parallelism）：能把模型拆成多个部分分布在不同 GPU 上；
Streaming Dataset：数据不再一次性读入，而是流式加载；
混合精度训练（FP16/BF16）：在不损失准确度的前提下节省内存。
这些改进让 Tahoe-x1 比以往的细胞建模框架快 3～30倍， 并且能在主流硬件上完成训练。
2️⃣ 模型架构——为“细胞理解”重写注意力机制
在语言模型里，一个句子可能只有几十个词； 但在细胞模型里，一个样本可能有几万个基因。
普通 Transformer 计算这样的大矩阵几乎是不可能的。
Tahoe 团队为此重新写了模型的注意力机制（attention layer）：
在早期版本中，用 Triton 优化的矩阵掩码技巧 来节省内存；
在最终版本中，采用 改良版 FlashAttention v2，速度更快，结构更简单。
这使得 Tahoe-x1 成为第一个能在单细胞层面使用完整 Transformer 架构的模型。
五、Tahoe-x1 能做什么？
Tahoe-x1 并不是一个单一任务模型，而是一个能适应多种生物问题的基础系统。 研究团队通过多个实验验证了它的能力。
🧬 1. 找出关键基因（Gene Essentiality）
它能预测哪些基因对癌症细胞的生存最关键。 测试结果显示，Tahoe-x1 在 DepMap 数据集上超过了所有已有模型， 能够识别不同癌症亚型中的“核心驱动基因”。
👉 意义：为新药靶点的发现提供高效工具。
🧫 2. 识别癌症信号通路（Oncogenic Programs）
模型能自动捕捉肿瘤发展中活跃的分子通路， 比如哪些基因在癌变过程中协同激活。
在 MSigDB 数据库测试中，Tahoe-x1 表现最好， 能准确还原“癌变标志通路（hallmark programs）”。
👉 意义：帮助科学家理解肿瘤发生的机制。
💊 3. 预测药物反应（Drug Response Prediction）
Tahoe-x1 可以预测未见过的细胞类型或患者样本对药物的反应。 这种能力被称为 zero-shot generalization， 即模型能“类比”新的生物场景。
这为 虚拟临床试验（in silico trials） 打开了可能性—— 在计算机中模拟药物反应，而不必在实验室中反复试验。
👉 意义：减少药物研发成本，加快新药发现。
Tahoe-x1 完全开源
Tahoe 团队公开了：
模型权重
训练与评估代码；
全套实验流程和基准任务；
论文：https://www.biorxiv.org/content/10.1101/2025.10.23.683759v1
以及一个 Hugging Face 互动工具 —— 上传自己的单细胞数据即可生成嵌入可视化。