近日，美國生命科學公司Tahoe Bio（前身爲Vevo Therapeutics）正式發佈其重磅AI基礎模型——Tahoe-x1(Tx1)，一個專爲解碼基因、細胞與藥物三者複雜關係而生的30億參數大模型。該模型的推出，標誌着AI正式從“輔助工具”升級爲“生命系統建模引擎”，爲癌症靶點發現與個性化療法開闢全新路徑。

image.png

架構革新:30億參數，專爲單細胞世界而生

Tahoe-x1基於Transformer編碼器架構，採用掩碼語言建模（MLM）進行預訓練，訓練數據涵蓋驚人的2.66億單細胞轉錄組譜，其中包括Tahoe Bio自建的Tahoe-100M擾動數據集——該數據集記錄了上千種分子對癌症細胞系的擾動響應，已被全球科研社區下載近20萬次。

爲兼顧性能與實用性，模型家族提供多尺寸版本（如Tx1-70M），並通過FlashAttention v2等優化技術，實現比同類細胞模型高3至30倍的計算效率，即便在普通GPU上也能高效運行，極大降低科研門檻。

能力一:精準鎖定癌症“命門”，超越現有所有模型

在基因必需性（Gene Essentiality）預測任務中，Tahoe-x1在權威DepMap數據集上全面超越現有模型，能準確識別不同癌症亞型中維持腫瘤生存的“核心驅動基因”。這一能力可幫助研究人員快速鎖定高價值靶點，大幅縮短從發現到驗證的週期，尤其適用於異質性強的難治性癌症。

能力二:自動還原癌變通路，揭示分子協同網絡

模型不僅能識別單個基因，更能捕捉癌變過程中協同激活的信號通路。在MSigDB數據庫測試中，Tahoe-x1對“癌變標誌通路”（hallmark programs）的還原準確率居首，可自動解析如細胞週期失控、DNA修復缺陷等關鍵生物學程序，爲多靶點聯合療法提供系統性洞見。

能力三:零樣本預測藥效，虛擬臨牀試驗成爲現實

最令人振奮的是Tahoe-x1的零樣本泛化（zero-shot generalization）能力——即使面對從未見過的細胞類型或患者樣本，模型也能基於已有知識“類比推理”，預測其對特定藥物的反應。這意味着，未來藥物研發可在計算機中先行模擬成千上萬種治療方案，篩選出最有潛力的組合，再進入實驗室或臨牀階段，顯著降低試錯成本與失敗率。

結合後訓練框架，該模型還可適配多樣化患者背景，加速個性化癌症療法的落地。

AIbase觀察:開源+數據驅動，生物AI生態加速成熟

Tahoe Bio已累計融資4200萬美元，正構建目標達10億數據點的全球最大單細胞擾動圖譜。此次Tahoe-x1不僅開源模型權重（Hugging Face）、代碼(GitHub)，還提供交互式演示，預印本亦已上線bioRxiv，全面擁抱科研社區協作。

AIbase認爲，Tahoe-x1的真正突破，在於它讓AI從“統計相關性”邁向“機制理解力”。當模型能像生物學家一樣思考基因如何調控、藥物如何幹預、細胞如何響應，藥物研發範式將從“試錯式”全面轉向“預測式”。

未來，隨着數據規模持續擴展，Tahoe-x1或將成爲精準醫療的基礎設施——在虛擬世界中預演千萬種治療可能，只爲在現實世界中，爲患者贏得那一次最有效的治療機會。