# 生物学を制御する――Fabian Theis（Helmholtz Munich）が語るバーチャルセルとラボ・イン・ザ・ループ - 番組: [Latent Space: The AI Engineer Podcast](https://ai-curator.jp/podcasts/shows/cmv3z5bz700015o10zwiyz4qc)（Latent.Space） - 元のタイトル: Controlling Biology - Fabian Theis, Helmholtz Munich - 配信日: 2026年11月6日 - 長さ: 50分 - 要約作成日: 2026年11月7日 - トピック: [#バーチャルセル](https://ai-curator.jp/topics/%E3%83%90%E3%83%BC%E3%83%81%E3%83%A3%E3%83%AB%E3%82%BB%E3%83%AB) [#摂動予測](https://ai-curator.jp/topics/%E6%91%82%E5%8B%95%E4%BA%88%E6%B8%AC) [#世界モデル](https://ai-curator.jp/topics/%E4%B8%96%E7%95%8C%E3%83%A2%E3%83%87%E3%83%AB) [#Flow Matching](https://ai-curator.jp/topics/Flow%20Matching) [#オルガノイド](https://ai-curator.jp/topics/%E3%82%AA%E3%83%AB%E3%82%AC%E3%83%8E%E3%82%A4%E3%83%89) [#ラボ・イン・ザ・ループ](https://ai-curator.jp/topics/%E3%83%A9%E3%83%9C%E3%83%BB%E3%82%A4%E3%83%B3%E3%83%BB%E3%82%B6%E3%83%BB%E3%83%AB%E3%83%BC%E3%83%97) - URL: https://ai-curator.jp/podcasts/cmw58k77500004c11oaosxp96 ## 要約 Helmholtz MunichのFabian Theisが、バーチャルセルの現状、摂動予測の進展、線形ベースラインをめぐる議論、オルガノイドへの展開を語った回。ドイツの研究機関とスタートアップ環境、二人の指導者によるYモデルの教育にも触れている。最後に、予測モデルから次の実験を導く逆生成モデル「LabCompass」を紹介し、将来的には強化学習（RL）でラボのループを回す構想を示した。 ## ポイント - Theisは、バーチャルセルを摂動に対する細胞応答の予測と捉える見方が広がっているとしつつ、それだけでは単純化しすぎだと述べている。 - Parse Bioのような企業による1000万規模の測定や、100種類の細胞株への網羅的なCRISPR・薬剤摂動などで、摂動空間が急速に豊かになっているという。 - 線形モデルが強いのは、データが少なくノイズが多い場面や評価指標の設計が不適切な場面があるためだという。Theisはベースラインを必ず置くよう学生に伝えており、複雑な課題では非線形モデルが上回る例も挙げた。 - 表現学習で潜在空間を作り、flow matchingで摂動後の状態を生成する構成を採っている。350万...ではなく3億5000万細胞・約1億パラメータ・16種のモデルでスケーリングの兆しが見えたと述べている。 - 投資家はプラットフォームより創薬を理解しやすいため、バーチャルセル企業が創薬に転向しがちだという。製薬企業がデータ購入に参加するCancer Organoid Perturbation Atlasのように、データ生成と組み合わせる形が有望だという見方を示した。 - 新手法LabCompassは、順方向の世界モデルを前提に、目標状態に至るために必要な操作を逆算して示す。造血の実験で3〜4回のラボ・イン・ザ・ループを実施した。 ## 章立て - [02:09] **バーチャルセルへの関心とデータ生成** — Biohubの大型投資を受け、バーチャルセルへの関心が再び高まる理由を議論する。鍵はデータ生成のスケールだとTheisは語る。 - [07:19] **転写産物と摂動の基礎解説** — トランスクリプトームと摂動の意味を、料理のたとえを交えて整理する。遺伝子ノックアウトのほか、培地条件や細胞間シグナルも摂動に含まれると説明する。 - [12:32] **オルガノイドとモデリングの課題** — ミニ脳や心臓オルガノイドを例に、多細胞系を扱う意義を説明する。空間的な構造をどう表現するかは未解決だと語る。 - [15:46] **帰納バイアスとスケーリング** — 帰納バイアスとデータ量のどちらに頼るかを論じ、AlphaFoldの例を挙げる。大規模モデルやflow matchingによる摂動予測にも触れる。 - [25:59] **線形ベースラインとARCチャレンジ** — 線形モデルが強かった経緯と評価指標の問題を振り返る。ARCのコンペでは非線形のflow系モデルが勝者になったと述べている。 - [31:05] **Helmholtzと欧州のスタートアップ事情** — Helmholtz Munichの体制や、ドイツ・欧州の起業環境を語る。資金調達はスケール段階で米国に流れやすいという。 - [38:14] **商業化とYモデル教育** — バーチャルセルの収益化の難しさと、データ生成と組み合わせる戦略を語る。方法論と実験の二人の指導者を置くYモデルも紹介する。 - [46:36] **LabCompassと実験のループ** — 予測から次の実験の誘導へ進む構想と、逆生成モデルLabCompassを紹介する。実験者を巻き込む文化の難しさとRLの展望にも触れる。 ## 解説記事 Latent Spaceのこの回では、Helmholtz MunichのFabian Theisが、バーチャルセル研究の現在地と今後を語った。ScanPyやscverseといったツールの生みの親としても知られる研究者である。話題は摂動予測のモデル設計から、評価の落とし穴、欧州の研究・起業環境、さらに実験を自動的に導く新手法まで広がった。 #### バーチャルセルを押し上げるデータのスケール Theisは、バーチャルセルを「さまざまな入力に対する細胞の出力を予測する系」と捉えている。ただし、バーチャルセルを摂動予測と同一視する風潮は単純化しすぎだとも述べた。 関心が再燃する最大の理由として挙げたのはデータ生成だ。かつては対照群と疾患群のように摂動側の点数が乏しかったが、Parse Bioによる1回の実験で1000万規模の測定が可能になった。また、100種類の細胞株への網羅的な摂動や、1000種類の薬剤の投与といった実験も行われるようになった。摂動空間が豊かになり、予測モデルの出番が増えたという説明である。 ここでの摂動は遺伝子ノックアウトに限らない。細胞間のシグナル、ホルモン、培地条件、さらには人間の遺伝的な違いまでを含む「細胞に起こりうることの空間」とTheisは定義している。 #### オルガノイドと空間データの難しさ Theisは、細胞株を超えて多細胞系であるオルガノイドの摂動へ進むべきだと考えている。ミニ脳や拍動する心臓オルガノイドを例に、組織を再現した読み出しの価値を語った。 一方、モデリングの面では合意された方法がまだない。解離した細胞には「細胞型」という便利な概念があるが、局所的な細胞ニッチに相当する概念はなく、現状は細胞の分布として扱っているという。グラフ的な表現など、より繊細なものになりうるとの見通しも述べた。 #### 帰納バイアスか、データか 司会者は、データの乏しい領域では帰納バイアスが必要になるという「逆の苦い教訓」を指摘した。Theisは、バイアスを強く組み込むと予測力を損なうことが文献で繰り返し示されてきたと述べている。今の摂動データはまだ十分に豊かとは言えず、当面はハイブリッド型が現実的だという。 ただし長期的には、データが人手の概念に勝つと見ている。AlphaFoldで当初は回転等変性を明示的に組み込んでいたが、後の版ではデータからモデルが学んだ例を挙げた。解釈は事後に付けるのがよいという立場である。 具体的な手法としては、SAC系の対照学習で潜在空間を学び、その上でflow matchingによる生成モデルが行為に沿って状態を押し出す構成を紹介した。作用素を含む「f(x, a)」の世界モデルとして摂動予測を捉える視点である。3億5000万細胞・約1億パラメータ・16種を対象としたモデルをHugging Faceで公開し、スケーリング挙動が出始めていると述べている。 #### ベースラインと評価指標の教訓 線形モデルが高性能なモデルに肩を並べるという議論についても、経緯が語られた。細胞型予測ではロジスティック回帰で十分な場面が多く、Theisのグループは数年前に「深層学習は細胞型予測に不要」という趣旨の論文を出したという。ただし臓器をまたぐ場合などでは非線形が上乗せになるとも述べた。 ARCのバーチャルセルチャレンジについては、固定された指標が単一細胞に特化しておらず悪用可能だったと指摘した。悪用を除くと、勝者はflow matching系の非線形モデルだったという見方である。学生には、平均値を予測するような単純なベースラインを必ず置くよう伝えているそうだ。 #### 欧州の研究基盤とスタートアップ Helmholtz Munichは学部教育を持たず、博士課程の学生とポスドクが中心の研究組織で、Computational Health Centerには45人ほどのグループリーダーと500〜600人が所属するという。Theisは欧州最大級の健康AI研究拠点だと述べている。 起業環境については、ミュンヘンを含むドイツでスタートアップの数は米国並みだが、シリーズA以降のスケール段階で大型VCが少ないのが弱点だという。欧州の健康データ空間（European Health Data Space）など、データ連携の動きも言及された。 商業化についてTheisは、投資家にはプラットフォームより創薬の方が理解しやすく、バーチャルセル企業が創薬に転じる例を多く見てきたと述べた。そのうえで、製薬企業が早期アクセスを得るために参加するCancer Organoid Perturbation Atlasのように、独自のデータ生成と結びつけることが有望だとした。 #### 次の実験を導く：LabCompass Theisが最も強調したのは、マッピング、予測の次の段階として、次の実験を導く方向に進めるという点だ。論文は多くの場合モデルの提示で終わり、継続学習のように次の研究へ引き継がれないという課題がある。 新手法LabCompassは、順方向の世界モデルを前提に、目標状態に到達するために必要な操作を逆算する逆生成モデルだという。ケンブリッジ大学の共同研究者の造血実験で、3〜4回のラボ・イン・ザ・ループを回したと語った。難しさは実験者に実験を納得して実施してもらう文化づくりにもあるとし、ロボティクスは細胞アッセイの周期が長いためまだ早いと見ている。究極的にはRLでこのループを回す構想だが、現時点では能動学習的な段階だという。 なお、方法論と生物学の二人の指導者がつくYモデルの博士課程教育（Munich School for Data Science）も紹介された。学生は両方のラボミーティングに参加し、曖昧な生物学の問いを計量可能な指標とモデルに落とし込む。Theisは約8年続けており、卒業生はNvidiaやスタートアップなど多様な進路に進んだと述べている。 #### まとめ 日本の読者にとっての要点は三つある。まず、バーチャルセルの進歩はモデルそのものより、データ生成のスケールとベースラインを含む評価設計に左右されるという点だ。次に、価値の源泉はモデル単体ではなく、実験データと結びついたラボ・イン・ザ・ループに移りつつあるという点である。最後に、方法論と生物学を橋渡しする人材育成が、その実現に欠かせないという示唆だ。創薬や基盤モデルに関わる研究者や事業者は、LabCompassのような実験設計への展開を注視する価値がある。 > この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: Latent Space: The AI Engineer Podcast「Controlling Biology - Fabian Theis, Helmholtz Munich」