因果模型需要因果数据——Xaira的X-Cell模型用于药物发现（Bo Wang与Ci Chu，首席发现官与首席AI科学家）

Xaira Therapeutics正全力押注数据生成以推动模型构建。其首席发现官Ci Chu与首席AI科学家Bo Wang在播客中阐述了核心理念：因果模型需要因果数据。

传统上，虚拟细胞模型如scGPT依赖于CELLxGENE数据库（包含1.68亿个细胞的基因表达谱），但这些数据仅反映相关性而非因果关系。当模型参数超过15亿时，测试损失不再下降，暴露出信息瓶颈。Bo Wang指出：“训练一个3.1B参数模型时，它完全偏离了缩放规律，说明信息量不足。”

为解决这一问题，Xaira团队构建了X-Atlas数据集。通过并行CRISPR干扰实验，他们系统地对每个基因进行单独扰动（“拨动旋钮”），观测上下游效应。这一过程产生了约30倍于CELLxGENE的信息量，使模型能够学习基因间的因果链条。基于此，X-Cell模型采用了扩散架构而非自回归方法，并成功将参数扩展至数十亿，验证了信息量是模型性能的关键。

X-Cell的亮点在于其泛化能力。在真实人类细胞实验中，它击败了长期以来最佳线性基线，证明了因果数据赋予模型真正的预测能力。Bo透露，这类数据收集实验的基础设施投入约数千万美元，算力和研发成本数百万美元，更像强化学习的预算而非预训练。

Ci Chu和Bo Wang最近分别晋升为首席发现官和首席AI科学家，凸显了Xaira对数据优先战略的重视。他们强调，虽然一阶因果效应已足够强大，但未来还需处理多基因协同作用等更高阶问题。Bo分享道，学术界在创新速度上仍有优势，但工业界的资源集中让X-Cell得以实现规模化应用。

这场关于“信息为王”的赌注，正在重塑AI驱动的药物研发范式。