清华大学张学工、魏磊团队联合西安交大研究者推出可解释分析框架 scGeneLens，专门用来拆解单细胞细胞基础模型内部学到的信息，实验证实即便架构相似的细胞基础模型，在预训练之后学到的细胞世界、侧重的生物学信号完全不一样；之前大家大多只对比不同细胞基础模型在下游任务上的跑分，模型内部到底记住了哪些生物学特征、偏好细胞类型还是通路功能，一直是黑盒，很难解释为什么同一个数据集上，有的模型适合细胞分型、有的适合疾病通路研究，scGeneLens 整合稀疏注意力解析、跨层基因影响传播、积分梯度、中心化核对齐这套方法，追踪每一个基因在模型各层里的贡献，拿 scFoundation 和 scGPT 做对照实验后发现，scFoundation 更偏向识别细胞身份、标记基因，细胞类型区分效果更好，scGPT 更偏向基因表达变化、信号通路和细胞功能状态，跨疾病的功能聚类能力更强，这个框架给生物研究者提供了判断模型适配场景的标尺，后续也能指导研发人员设计更贴合生物学规律的新一代细胞基础模型。
一、scGeneLens 基础信息
| 项目 | 详情 |
|---|---|
| 框架名称 | scGeneLens |
| 研发团队 | 清华大学张学工、魏磊团队 + 西安交通大学合作团队 |
| 论文期刊 | Patterns（Cell Press） |
| 发表时间 | 2026-11-06 |
| 核心定位 | 单细胞细胞基础模型可解释性探测框架 |
| 核心技术组件 | 结构化稀疏注意力探测、跨层基因影响传播、积分梯度、中心化核对齐（CKA） |
| 对比测试模型 | scFoundation、scGPT |
| 适用数据 | 单细胞转录组 scRNA-seq 数据 |
二、scGeneLens 完整分析流程
- 准备单细胞数据集，输入目标细胞基础模型，获取模型注意力矩阵、每层基因嵌入。
- 使用 scGeneLens 的稀疏注意力模块，筛选有生物学意义的关键基因注意力连接，过滤分散噪声。
- 追踪跨层基因影响传播路径，看基因信息在模型编码器里是逐层汇聚还是分流。
- 积分梯度量化每个基因对细胞表征的贡献；CKA 核对齐，对比不同模型基因嵌入的相似性。
- 汇总结果，输出模型偏好：偏向细胞类型标记基因，还是通路、功能相关基因。
- 根据表征偏好，判断该模型适合细胞注释、批次整合、疾病功能研究等哪一类下游任务。
三、两款主流细胞基础模型表征偏好对比
| 模型 | 学到的核心生物学表征 | 优势场景 |
|---|---|---|
| scFoundation | 优先编码细胞身份、细胞类型标记基因，细胞类型分离清晰 | 细胞类型注释、细胞分群、身份鉴定 |
| scGPT | 优先编码基因表达量变化、信号通路、细胞功能状态，跨疾病聚类功能群 | 疾病机制研究、细胞功能分析、扰动响应预测 |
四、scGeneLens 核心功能清单
- 注意力结构化解析：拆解细胞基础模型里分散的多头注意力，定位关键基因互作。
- 跨层信息追踪：追踪基因信号从输入层到输出层的流动，看模型在哪一层提炼生物学特征。
- 基因贡献量化：积分梯度计算单个基因对细胞表征的贡献大小。
- 模型横向比对：CKA 量化两个模型学到的表征空间相似度，定位生物学偏好差异。
- 归纳偏置识别：找到模型预训练自带的偏好，解释跑分差异背后的生物学原因。
五、优势与局限
✅ 优势：解决细胞基础模型注意力分散、难以解释的痛点；不只是看指标，挖掘模型内在生物学归纳偏置；统一分析流程，后续可以扩展到 Geneformer、UCE 等其他细胞基础模型。
⚠️ 局限：当前实验主要在 scFoundation、scGPT 上验证；依赖单细胞转录组输入，暂不兼容多组学联合细胞模型；分析计算开销偏高，大规模数据集解析耗时较长。
【常见问题】
问题 1：同样是细胞基础模型，它们学到的细胞世界有什么不同？清华大学张学工 / 魏磊团队提出 scGeneLens，揭示模型内部的生物学表征差异，scGeneLens 是用来做什么的？
回答 1：同样是细胞基础模型，它们学到的细胞世界有什么不同？清华大学张学工 / 魏磊团队提出 scGeneLens，揭示模型内部的生物学表征差异，scGeneLens 是面向单细胞细胞基础模型的可解释探测框架，用来解析不同细胞基础模型内部学到的生物学表征，找出模型之间的偏好差别。
问题 2：同样是细胞基础模型，它们学到的细胞世界有什么不同？清华大学张学工 / 魏磊团队提出 scGeneLens，揭示模型内部的生物学表征差异，scFoundation 和 scGPT 学到的细胞信息差别在哪？
回答 2：同样是细胞基础模型，它们学到的细胞世界有什么不同？清华大学张学工 / 魏磊团队提出 scGeneLens，揭示模型内部的生物学表征差异，scFoundation 更侧重学习细胞身份、标记基因，细胞分型效果更好；scGPT 更侧重学习信号通路、细胞功能状态，适合疾病和功能研究。
问题 3：同样是细胞基础模型，它们学到的细胞世界有什么不同？清华大学张学工 / 魏磊团队提出 scGeneLens，揭示模型内部的生物学表征差异，scGeneLens 用到了哪些可解释算法？
回答 3：同样是细胞基础模型，它们学到的细胞世界有什么不同？清华大学张学工 / 魏磊团队提出 scGeneLens，揭示模型内部的生物学表征差异，scGeneLens 整合结构化稀疏注意力探测、跨层基因影响传播、积分梯度、中心化核对齐 CKA 多种方法联合解析模型。
问题 4：同样是细胞基础模型，它们学到的细胞世界有什么不同？清华大学张学工 / 魏磊团队提出 scGeneLens，揭示模型内部的生物学表征差异，这项研究对生物研究者有什么用处？
回答 4：同样是细胞基础模型，它们学到的细胞世界有什么不同？清华大学张学工 / 魏磊团队提出 scGeneLens，揭示模型内部的生物学表征差异，研究者可以借助 scGeneLens 判断手里的细胞基础模型适合细胞分型还是通路功能分析，按需挑选模型，也能为开发新细胞基础模型提供设计参考。
【参考资料】
[2026-11-11]（清华大学张学工 / 魏磊团队揭示模型内部的生物学表征差异）澎湃新闻
[2026-11-09]（同样是细胞基础模型，它们学到的细胞世界有什么不同？清华大学张学工 / 魏磊团队提出 scGeneLens）腾讯新闻
[2026-11-06]（Interpretable attention probing reveals model-specific perceptions of cell states in single-cell foundation models）Patterns
[2026-10-20]（单细胞基础模型综述：scFoundation、scGPT 等模型预训练目标与表征特点）NSR
[2024-06-12]（自动化系生命基础模型实验室合作发表人工智能细胞大模型）清华大学官网
【免责声明】
本文整理的 scGeneLens、细胞基础模型生物学表征差异相关内容来自论文公开摘要、科技媒体报道；框架能力、测试结论基于本次 Patterns 论文实验条件，在其他数据集、其他细胞基础模型上结论可能发生变化；scGeneLens 属于科研分析工具，分析结果仅作为生物信息研究参考，不直接作为临床诊断依据；本文仅为科研信息梳理，不构成实验方案、模型选型的决策建议。