病気や薬物反応など、これまで見られなかった状態における細胞状態の予測は、通常、新たな生物学的文脈ごとに再訓練を必要としてきました。本日、Arcは推論時に新しい条件下でセル状態を直接シミュレートする基礎モデルStackをリリースします。微調整は不要です。

スタックは多くのモデルが見落としている、つまりセルラーコンテキストを捉えています。炎症組織のT細胞は、その遺伝子だけでなく環境によっても異なる振る舞いを示します。Stack Processsはセルをまとめ、その関係から学習します。

テキストプロンプトが言語モデルを導くように、セルはStack内のプロンプトとして機能します。薬剤処理された免疫細胞を観察し、上皮細胞が同じ薬剤にどのように反応するかを予測できますが、これは明示的に訓練されたことのない課題です。これは、インコンテキスト学習、つまり推論中の新しい課題への一般化が可能な初のシングルセル基礎モデルです。

チームはStackを用いてPerturb Sapiensを構築しました:28組織にわたる~20,000の予測細胞応答と201の摂動+、保留データセットで検証されたサブセットのアトラスを作成し、予測が実際の生物学を捉えていることを確認しました。