公开案例
HyCell
面向生物表示、状态转移建模与仿真的 AI 虚拟细胞基础设施。
状态 v0.1 工程 MVP。可运行原型，不是经过验证的生物学发现系统。
它是什么
HyCell 是一个面向细胞建模与生命科学研究的 AI 原型。它研究如何用模型表示细胞状态，以及该状态在干预下预计会如何变化。
当前产物 HyCell-JEPA 是 v0.1 工程 MVP：一个可在本地运行的细胞世界模型原型。它不是完整的虚拟细胞，不是转录组规模的生成模型，也没有经过湿实验验证。
为什么重要
把工程管道当作生物学发现来汇报，是这个方向最容易发生、也最难被发现的失败方式。
HyCell 按相反的顺序组织：先把数据契约、校验与边界写清楚，再谈模型。模型被刻意做小——让它可被审计的东西在它周围。
当前公开状态
v0.1 工程 MVP，研究原型。它可以运行，这只说明工程管道跑得通，不说明任何生物学结论已经成立。
没有湿实验验证，没有临床结论，也没有与基础模型的基准对比。
已公开内容
- 代码仓库
HyCell-JEPA（Python / PyTorch，本地可运行）。 - 真实数据接入的工程验证：GSE130973 子集（默认上限 5000 细胞 × 2000 基因）的「检视 → 预处理 → 校验 → 汇总」路径与独立报告。该子集的
state_label与age_label在流程中被显式标注为unknown。 - 验收脚本：
scripts/verify_release.sh与分目标校验脚本。
说明
公开数据用于验证管道，不用于验证生物学。本页不发布任何生物学或临床结论。
实现状态
可运行的 v0.1 原型，附带真实验收脚本。
当前实际存在什么，以及如何核验。以下内容均不是为不存在的产品绘制的界面假图。
- 公开代码
- 公开仓库
| Component | State | Note |
|---|---|---|
| 模式与数据契约 | 已实现 | 类型化模式层，以及覆盖 .csv / .npz / 可选 .h5ad 的真实数据集校验路径。 |
| 核心接口——编码器与转移头 | 已实现 | 生物状态、动作、上下文与适配器编码器汇入 JEPA 风格的核心。v0.1 的转移头是紧凑 NumPy 岭回归——刻意保持小且可检视。 |
| EvidenceGraph 证据图 | 已实现 | 将 toy 动作、读数、假设与限制连成一张图，让注意事项与主张同行。 |
| 生物校验器 | 已实现 | 输出结构化的 pass / warn / fail，而不是单一分数。在已验收的 toy 基准中 8 条转移全部返回 warn——护栏如实报告不确定性，而非掩盖。 |
| 目标状态规划器 | 已实现 | 在 toy 紧凑状态上做 Top-K 动作序列搜索。README 明确说明规划器输出是演示，不是治疗建议。 |
| 真实数据接入——GSE130973 | 已实现 | Matrix Market 文件经过检视、预处理、校验与汇总；冒烟产物裁剪为 5000 细胞 × 2000 基因。 |
| 真实矩阵冒烟训练 | 已实现 | 针对预处理后的真实矩阵存在轻量编码器训练路径。标签被显式标注为未知——冒烟流程不会推断标签。 |
| 验收脚本与可复现契约 | 已实现 | 七个目标验证脚本加一个发布验证脚本，可通过 make 目标调用。这是仓库里最有力的证据。 |
| 测试套件 | 已实现 | 18 个测试模块，含真实数据加载器、模式、校验器、证据图、基准与命令行契约测试。 |
| Streamlit 演示 | 已实现 | 面向作品集的界面，展示 toy 状态、预测转移、校验器信息、规划器输出与真实数据状态。 |
| 云 GPU 脚手架 | 原型 | 存在 RTX 4090 运行脚本、配置与结果打包器；不会自动下载大型数据集。 |
| 生物学验证 | 计划中 | 无。README 把它排在局限列表第一位：未经湿实验验证、无临床主张、未与已发表虚拟细胞模型做基准对比。 |
| 元数据注释与 HDF 子集（v0.2） | 计划中 | 当前真实冒烟数据是未过滤的人皮肤单细胞数据，年龄与状态标签未知。 |
| 真实扰动基准（v0.4） | 计划中 | 路线图条目，v0.1 尚未开始。 |
如何理解这些状态 3
- 已实现 代码中已实现。不代表质量已被验证。
- 原型 可在 toy 或样例数据上端到端运行，不是生产系统。
- 计划中 已列为后续工作，目前无可检视内容。
可复现契约
$ make verify
python -m pytest
bash scripts/verify_goal1.sh
bash scripts/verify_goal2.sh
bash scripts/verify_goal3.sh
bash scripts/verify_goal4.sh
bash scripts/verify_goal4_real_smoke.sh
bash scripts/verify_goal5.sh
bash scripts/verify_goal6.sh
bash scripts/verify_goal7.sh
$ make verify-release
bash scripts/verify_release.sh验收是被脚本化的。`make verify` 会跑 pytest 与全部七个目标验证脚本，审阅者无需依赖叙述即可核对主张。
来源 HyCell-JEPA Makefile 与 README.md
基准冒烟输出
Toy score transitions: 8
Training transitions: 6
Held-out eval transitions: 2
All-transition MSE: 0.014585165
Verifier status counts: {"warn": 8}
Planner sequence: regeneration -> control这些数字只证明工程链路可运行。README 明确指出它们不构成生物学验证。
来源 HyCell-JEPA README.md — 逐字引用。
规划器输出
Top-K toy action sequences:
1. aging_stress -> regeneration | distance=0.458229
2. partial_reprogramming -> regeneration | distance=0.497030
3. control -> regeneration | distance=0.620774在 toy 紧凑状态上的 Top-K 搜索及距离值。属于演示输出，不是方案建议。
来源 HyCell-JEPA README.md — toy 冒烟路径。
模块清单
src/hycell/
├── schema.py # typed contracts
├── config.py # YAML-driven configuration
├── toy_data.py # deterministic generator
├── data_loaders.py # csv / npz / h5ad
├── real_datasets.py # GSE130973 ingestion
├── datasets.py
├── gene_sets.py # configurable scoring
├── encoders.py # bio-state, action, context
├── hdf_adapter.py # cell-system adapter h_t
├── jepa.py # transition core
├── verifier.py # pass / warn / fail
├── planner.py # top-K target-state search
├── evidence_graph.py # claims ↔ assumptions ↔ limits
├── real_training.py # real-matrix smoke training
├── training.py
├── benchmark.py # reports
└── demo/
tests/ 18 modules — data loaders, schema, real-data smoke,
real-training smoke, CLI contracts, verifier, evidence graph,
benchmark, encoders, gene sets, planner, packaging
docs/ model_card, design_summary, limitations, ACCEPTANCE,
data_card, benchmark_report, gse130973_integration,
gse130973_smoke_report, roadmap, release_v0.1, progress_log来源 GitHub API — huangdi97/HyCell-JEPA src 目录。
限制，引用自仓库
- 非临床建议。
- 未经湿实验验证。
- 不是完整虚拟细胞。
- 不是 Lingshu-Cell 规模的转录组扩散模型。
- Toy 数据仅用于工程验证。
- 规划器输出为演示，不是治疗建议。
- GSE130973 冒烟流程仅用于真实矩阵工程验证。
- 冒烟数据是未过滤人皮肤单细胞数据，年龄与状态标签未知。
来源 HyCell-JEPA README.md「Limitations First」章节。