CellForge: Agentic Design of Virtual Cell Models：多智能体框架自主设计细胞模型，实现架构创新超越人类专家
2025年8月，CellForge提出多智能体框架，通过协作推理自动设计针对单细胞数据和扰动任务的神经网络架构。在6个数据集（基因敲除、药物处理、细胞因子刺激）上，生成的模型与现有基线高度竞争，并发现了轨迹感知编码器、扰动扩散模块等新架构。代码已开源。
Development
- First ReportCellForge: Agentic Design of Virtual Cell Models：多智能体框架自主设计细胞模型，实现架构创新超越人类专家arXiv cs.AI
- Current Assessment该框架可推广到其他科学领域（如材料、化学、物理），实现AI驱动的实验设计和模型开发。对于生物制药行业，CellForge可加速靶点发现和药物响应预测模型的构建。开源代码降低了使用门槛，但需要计算资源和领域知识来定制智能体。Agent Pulse · analysis
该论文展示了多智能体协作在科学方法设计中的潜力：不同于传统超参数搜索或单LLM提示，CellForge通过多个专门智能体（如架构搜索、数据理解、验证）的迭代推理，自主生成可执行的、高质量的神经网络架构。这标志着从人类设计到AI自主设计科学方法的范式转变，在计算生物学领域具有里程碑意义。
CellForge包含四个核心智能体：任务分析器（解析数据和目标）、架构设计师（提出网络结构）、代码生成器（实现可执行代码）、验证器（测试并反馈）。它们通过结构化对话协作，迭代优化架构。在scRNA-seq、scATAC-seq、CITE-seq等多模态数据上，生成的模型在预测基因表达变化、药物响应等任务上达到或超过现有最佳方法。关键创新在于智能体能够组合新颖组件，如将注意力机制与扩散过程结合，形成扰动扩散模块，这在人类设计中未曾出现。
该框架可推广到其他科学领域（如材料、化学、物理），实现AI驱动的实验设计和模型开发。对于生物制药行业，CellForge可加速靶点发现和药物响应预测模型的构建。开源代码降低了使用门槛，但需要计算资源和领域知识来定制智能体。
建议计算生物学团队尝试CellForge框架，用于自动化模型开发流程，减少人工试错。制药公司可将其集成到药物发现管线中，用于预测化合物对特定细胞类型的影响。开源特性使得内部定制成为可能，但需投入工程资源。
关注CellForge在更大规模数据集（如人类细胞图谱）上的表现；智能体协作的效率和可解释性；以及是否能够生成超越现有范式的根本性新架构。此外，需评估生成模型的可重复性和生物学合理性。