跳转到主内容

Rivercell 融资 2500 万美元:虚拟细胞模型先要补齐实验数据

这家巴黎初创公司将扩建实验室并开发细胞响应数据平台。关键检验在于:模型能否预测超出训练示例范围的生物响应。

三个玻璃容器内装有透明液体和珍珠状小球,后方是一台虚化的显微镜
TechKili · 使用 Cloudflare FLUX 生成的 AI 概念插图
分享这篇文章:
本文目录

Rivercell 宣布完成 2500 万美元种子轮融资,用于扩大 AI“虚拟细胞”的实验基础。这种模型旨在预测人体细胞对药物或遗传改变的响应。对生物技术研究团队而言,这一进展意味着对数据生成和模型开发的投入,并非公司已改善某种治疗的证据。

这家巴黎公司的10 月 7 日公告由 Business Wire 发布,列明 HV 为领投方,HCVC、Alven 和 Bpifrance Digital Venture 共同参与。资金将用于扩大数据平台、扩建巴黎的湿实验室,并启动 AI Virtual Cell 项目。

实验室也是构建模型的一部分

Rivercell 将其方法描述为生成干预性、时间分辨、多模态的单细胞数据。通俗地说,就是施加变化,随时间观察响应,并从单个细胞获取不同类型的测量数据。公司正在开发专门的实验室基础设施,以生产训练数据。

这种设计针对一个具体问题:一张显示两个特征同时出现的快照,并不一定能解释研究者改变其中一个特征后会发生什么。Arc Institute 在 10 月 1 日介绍自身虚拟细胞工作的文章中解释了受控扰动数据的重要性。其 Perturb-seq 实验将定向遗传干预与随后产生的基因表达谱配对。

Rivercell 规划的数据引擎与 Arc 的实验属于不同项目。两者的共同点,是需要把一次干预与测得的响应联系起来。增加计算能力,不能取代对实际干预的了解,也不能取代可靠的结果测量。

有用的预测必须超越熟悉的示例

Arc 的 2026 年 Virtual Cell Challenge 在六种细胞系中评估预测,重点考察模型尚未见过扰动响应的生物环境。这为严格评估提供了一个具体问题:当细胞环境改变时,方法是否仍然有效?

这并不能证明 Rivercell 的表现。潜在研究合作方仍需了解 Rivercell 如何划分训练和评估数据、覆盖哪些细胞类型与干预,以及预测与适当基线方法相比如何。结果应当说明模型的失败情形,也说明它的成功之处。

公司的目标是通过计算预测部分结果,减少实体实验的需求。近期有价值的证据,应是先提出预测,再进行实验室核验,并提供足够的方法细节供他人评估。融资为这些工作提供资源;下一个实质性里程碑,应是有文档支持、能帮助研究者选择或解释实验的预测。

来源

研究说明:公司计划均依据 Rivercell 公告并作归属说明。Arc 文档提供领域背景,并非对 Rivercell 的测试。TechKili 未独立评估该平台或任何临床结果。