10月21日，数学与统计学院第二届统计文化节顺利开幕。数据科学系教师翟雨瑶带来题为《AI能读懂生命吗？从高维统计到单细胞基础模型——一场关于数据、预测与生命规律的探索》的科普报告，为在场师生带来了一场统计学、人工智能与生命科学深度交叉的前沿知识科普。

报告开篇，翟雨瑶老师抛出引人深思的问题：“如果把AI处理的对象从语言换成人体细胞，它还能学到什么？”，迅速抓住在场所有同学的注意力。整场分享没有堆砌晦涩的公式与生硬的专业名词，她配合直观的单细胞图谱、清晰的测序流程图示，一步步将复杂的生命系统运行逻辑与统计学习框架拆解开来，带领在场师生开启了一场跨学科的探索之旅。

报告从单细胞测序技术切入，逐层拆解前沿研究背后的核心统计学问题。她指出，人体细胞生命特征转化为海量基因表达矩阵后，即便遗传背景一致，不同测序平台、测序深度和实验批次仍会在数据中引入系统性技术差异，即“批次效应”。针对单细胞基因表达矩阵降维中常用的主成分分析（PCA），她提醒，常规追求的“最大方差”方向未必承载真正的生物规律，反而可能混入测序深度、细胞周期等噪声。

PCA的这一局限也引出了更一般的表征学习问题。围绕如何在降噪的同时保留细胞间真实生物差异，她对比了单细胞建模中传统的“重建式学习”与前沿的“潜在表征预测”JEPA范式：前者直接预测原始基因表达值，易受数据稀疏计数和技术噪声影响；后者转向预测目标基因的高维表征，更关注跨基因整体信息结构，对技术噪声的鲁棒性显著更强，但容易出现“表征坍塌”的问题。两者并非绝对优劣，而是建模假设与适用任务不同：重建式学习侧重表达空间的信息恢复，JEPA类方法侧重潜空间中的可预测结构。

针对“表征坍塌”的难点，翟雨瑶作出通俗解读：若模型将不同类型细胞映射为相同向量，就会丧失区分细胞异质性的能力，后续生物医学分析也将失去意义。因此，JEPA范式在训练流程中加入分布约束，从根源上规避表征坍塌，既保证预测性能，又保留细胞间真实生物差异。她还以scJEPA的实验结果为例，展示了该模型在细胞精细分类、跨批次数据整合、关键基因影响效应排序等下游任务中的表现，展现统计建模在精准医疗中的应用潜力。

报告尾声，翟雨瑶着重强调“数据相关不等于因果”。她举例说明，基因A与基因B表达显著正相关，并不能直接得出“A导致B”的结论，背后可能有细胞类型、上游信号通路等共同原因C同时影响二者。想要确认真实因果效应，需借助基因扰动随机实验（如Perturb-seq）、孟德尔随机化等因果推断方法逐步验证。因此，模型给出的基因排序更适合用于提出假设和确定实验优先级，而不能直接等同于基因敲除的因果效应。

整场报告以清晰逻辑和前沿案例阐释了统计学在AI与生命科学交叉领域的核心价值。在场同学纷纷表示，此次分享刷新了对统计学应用边界的认知：统计学不止于公式计算和模型结果，更在于保持思辨，追问“模型到底学到了什么，还有什么尚未真正理解”。这也与本届统计文化节的核心理念相契合，引导同学们了解交叉学科前沿，以严谨思辨的专业视角挖掘海量数据背后的客观规律。

文字丨黄予之

图片丨洪嘉睿 魏新和 刘一

编辑丨王赵懿宣

审核丨翟雨瑶 寇明雯 魏畅 辛一丹

审定丨毕平平