PertMind: Eliciting Emergent Biological Reasoning in LLM via Reinforcement Learning on Cellular Perturbation Data
作者: Zhenchao Tang, Xiaogang Xu, Tianxu Lv, Jiahui Guan, Jiale Zhou, Haohuai He, Zhi Song, Hanbo Huang, Jiehui Huang, Jiafei Wu, Zhe Liu
分类: cs.LG, cs.AI, q-bio.QM
发布日期: 2026-08-17
备注: Project page: https://shapsider.github.io/PertMind/ Code: https://github.com/shapsider/PertMind Model: https://huggingface.co/tzcfly/PertMind
💡 一句话要点
提出PertMind以解决生物推理训练成本高的问题
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 生物推理 强化学习 细胞扰动 基因响应 多任务学习 生物信息学 模型泛化
📋 核心要点
- 现有方法依赖昂贵的手动整理的生物推理轨迹，限制了大规模后期训练的可行性。
- PertMind通过将细胞扰动图谱转化为强化学习环境，利用基因响应作为奖励信号，提升生物推理能力。
- PertMind在未见细胞环境中提高了响应推断能力，并成功转移到多个生物推理任务，显示出良好的通用性。
📝 摘要（中文）
大型语言模型能够描述生物机制，但后期训练仍依赖于昂贵的手动整理的生物推理轨迹。本文展示了细胞扰动图谱可以作为强化学习环境，基因响应提供可计算的奖励。我们提出了PertMind，结合了可信轨迹监督初始化与基因、通路和格式级别的强化信号。PertMind在未见细胞环境中提高了响应推断，同时保持了通用语言能力，并在没有任务特定后期训练的情况下成功转移到逆扰动识别、双扰动推理、表型筛选优先级和生物过程解释等任务。PertMind进一步生成的生物特征支持了跨多尺度下游任务的竞争性基因、细胞和供体表示。这些结果支持了在实验终点上进行强化学习的假设，能够集中可重用的生物策略。
🔬 方法详解
问题定义：本文旨在解决大型语言模型在生物推理训练中对昂贵手动整理轨迹的依赖，现有方法在可扩展性和效率上存在不足。
核心思路：PertMind通过将细胞扰动图谱作为强化学习环境，利用基因响应提供可计算的奖励信号，旨在提升生物推理的效率和准确性。
技术框架：PertMind的整体架构包括可信轨迹监督初始化、基因、通路和格式级别的强化信号，主要模块包括前向扰动响应预测和多任务转移学习。
关键创新：PertMind的核心创新在于将细胞扰动数据转化为强化学习环境，利用实验终点进行强化学习，从而集中可重用的生物策略，与传统方法相比显著提高了推理能力。
关键设计：在设计中，PertMind采用了特定的损失函数以优化基因响应预测，并通过多层网络结构实现了对复杂生物过程的建模，确保了模型的泛化能力。
🖼️ 关键图片
📊 实验亮点
PertMind在未见细胞环境中提升了响应推断能力，且在逆扰动识别、双扰动推理等任务中表现优异，未进行任务特定后期训练的情况下，依然实现了显著的性能提升，展示了其强大的通用性和适应性。
🎯 应用场景
PertMind的研究成果在生物医学领域具有广泛的应用潜力，尤其是在药物开发、基因疗法和个性化医疗等方面。通过高效的生物推理能力，PertMind能够帮助研究人员更好地理解细胞机制，推动生物学研究的进展。未来，该方法有望与其他生物信息学工具结合，形成更强大的分析平台。
📄 摘要（原文）
Large language models can describe mechanisms, yet scalable post-training still depends on costly, manually curated biological reasoning traces. Here we show that cellular perturbation atlases can instead become reinforcement-learning environments, where measured gene responses provide computable rewards for biological reasoning. We introduce PertMind, which combines trusted-trajectory supervised initialization with gene-, pathway-, and format-level reinforcement signals. Trained only on forward perturbation-response prediction, PertMind improved response inference in unseen cellular contexts while retaining general language capabilities. It also transferred without task-specific post-training to reverse perturbation identification, double-perturbation reasoning, phenotypic-screen prioritization, and biological-process interpretation. PertMind further generated biological profiles that supported competitive gene, cell, and donor representations across multiscale downstream tasks. These results support the hypothesis that reinforcement on experimental endpoints can concentrate reusable biological strategies already accessible to pretrained models. More broadly, perturbation-derived reinforcement learning offers a scalable route for transforming expanding experimental atlases into training environments for general-purpose biological reasoning.