上海交大提出MAP框架，零样本预测未知药物单细胞响应
上海交大用知识图谱驱动单细胞模型，让AI能预测从未实验过的药物对细胞的影响，加速虚拟药物筛选。
药物研发需要预测新药对细胞的影响，但实验数据极其有限。上海交大提出MAP框架，先构建整合分子结构、靶点等先验知识的知识图谱，再让单细胞基础模型（模拟细胞对药物反应的AI模型）基于这些知识，在零样本（即不依赖该药物任何实验数据）条件下预测响应，在多个数据集中超越现有方法。
正文摘录
.jpg) 作者 | 论文团队 编辑丨ScienceAI 8 月 26 日，上海交通大学人工智能学院在《Nature Machine Intelligence》发表最新成果 ——《A Knowledge-driven Framework for Predicting Single-cell Responses for Unprofiled Drugs》。论文提出了一种名为 MAP 的知识驱动框架，通过构建大规模生物医学知识图谱（MAP-KG），首次赋予了单细胞基础模型在「零样本（Zero-shot）」条件下预测全新、未表征药物扰动响应的能力，为虚拟筛药打通了关键的技术闭环。张娅教授和谢伟迪副教授为论文通讯作者。  论文链接：https://www.nature.com/articles/s42256-026-01286-w 研究背景：为什么「未知药物预测」才是虚拟细胞的核心？ 随着单细胞测序与大规模扰动实验（如 Perturb-seq）的飞速发展，研究者逐渐能够在细胞层面系统性地刻画药物作用引发的转录组变化。这催生了一个激动人心的愿景： 构建「虚拟细胞」（Virtual Cell） 。