2026年10月15日上午，德国亥姆霍兹慕尼黑计算生物学研究所所长、德国国家科学院利奥波第那科学院、巴伐利亚科学院院士Fabian Theis教授应北京大学生物医学前沿创新中心高歌教授邀请来到BIOPIC，并在燕京学堂报告厅作题为“From Cell Atlases to AI-Designed Interventions”的精彩学术报告。报告由高歌教授主持，吸引了众多师生参与。该活动得到北京大学海外名家讲学计划的支持。

报告伊始，Fabian Theis介绍了单细胞与空间组学技术的发展及其在解析生物系统扰动响应方面的重要作用。随着高分辨率细胞图谱不断积累，研究人员得以更加全面地观察细胞状态及其变化规律。然而，如何将这些观测数据转化为能够指导生物医学干预的预测模型，仍是当前领域面临的核心挑战。

围绕从表征到预测再到干预这一主线，Fabian Theis进一步指出，细胞图谱为理解生物系统提供了重要参照，自监督模型则能够从海量数据中学习具有迁移能力的细胞表征，并进一步跨越组织、实验技术乃至物种边界开展应用。在此基础上，动态模型尝试学习“细胞状态加干预措施”到“未来细胞状态”的映射关系，为预测扰动结果提供了有力工具。Fabian Theis强调，当前模型发展的关键瓶颈并不在于正向预测能力，而在于如何实现有效的逆向设计：当研究者设定一个目标细胞状态时，究竟应选择何种干预措施才能实现这一目标？与此同时，哪些实验最值得优先开展，以最大限度地提升模型和实验结果的可靠性？针对这些问题，他重点介绍了LabCompass平台。该平台将实验设计转化为模型空间中的搜索过程，通过模型引导的逆向设计和主动轮次选择，实现模型与实验室之间的闭环协作，从而提高实验筛选和干预发现的效率。

报告最后，Fabian Theis展望了虚拟细胞模型的发展方向。他指出，未来的模型不应仅仅用于描述细胞状态，更应成为能够被查询、提出干预方案，并根据真实实验结果持续改进的系统。相关方法有望首先应用于扰动筛选优先级排序和细胞状态转换设计等问题，为精准调控细胞命运、推动生命科学研究从“观测”走向“设计”提供新的思路。在交流提问环节，现场师生积极参与交流，就模型泛化、实验验证及人工智能辅助生物学研究等问题展开了热烈讨论。活动在热烈的学术氛围中圆满结束，为生命科学与人工智能的交叉融合提供了新的思想碰撞与对话平台。

本次讲座由北京大学生物医学前沿创新中心主办，得到了北京大学国际合作部的大力支持。