NMI 2026 Flow matching for generative modelling in bioinformatics and computational biology
Flow matching for generative modelling in bioinformatics and computational biology
[!abstract] TL;DR (Executive Summary) One-sentence summary: 本文综述了流匹配（Flow Matching, FM）作为一种新兴的生成式人工智能范式，如何通过高效学习高维生物数据分布间的映射，推动分子建模、单细胞/多细胞分析及虚拟细胞（AI-based virtual cell）的发展。
1. Context & Rationale
- Research Question: 如何在生物信息学和计算生物学中高效地学习从一个生物状态（如患病状态）到另一个状态（如健康状态）的非平凡映射，并解决传统生成模型（如扩散模型）采样速度慢和约束处理难的问题？
- The Gap: 手动推导生物映射需要极高的专业知识；现有的生成模型（如 GANs, VAEs, Diffusion）在处理生物分子的几何约束（如 SE(3) 不变性）、离散序列数据以及大规模采样效率方面存在局限。
- Hypothesis: 流匹配（FM）作为一种基于最优传输（Optimal Transport）理论的无模拟（Simulation-free）训练范式，可以提供比扩散模型更简洁、更高效且更具可解释性的生物数据建模手段。
2. Methodology (Bio + Comp)
💻 Dry Lab (In Silico)
- Algorithm/Model:
- 核心理论: 基于连续正则化流（CNFs），通过回归向量场（Vector Field）来学习概率路径（Probability Paths）。
- 变体: 条件流匹配（CFM）、修正流（Rectified Flow）、离散流匹配（Discrete FM，利用连续时间马尔可夫链）。
- 架构: 结合了 Transformer, 图神经网络（GNNs）和 SE(3) 等变网络（SE(3)-equivariant networks）。
- Datasets:
- 分子层面：PDB, GEOM-Drugs, Swiss-Prot, SAbDab。
- 细胞层面：HLCA (Human Lung Cell Atlas), MERFISH, PBMC。
- 影像层面：EMDB, fastMRI, JUMP。
- Code Availability:
3. Key Results
Main Findings
- 分子建模（Molecular Modelling）: FM 在蛋白质折叠（如 FoldFlow）、小分子构象生成（如 FlowMol）中表现卓越，采样速度比扩散模型快 100 倍，且能更好地处理手性及几何约束。
- 细胞建模（Cellular Modelling）: FM 能够模拟单细胞在药物扰动下的表型演变（如 CellFlow），通过学习连续向量场预测细胞状态的轨迹。
- 技术优势: 相比扩散模型，FM 需要更少的推理步数（Inference Steps），实现更简单，且支持非高斯先验（Non-Gaussian priors），极大地增强了生物学合理性。
- 虚拟细胞愿景: FM 被视为构建“人工智能虚拟细胞”的关键脚手架，能够跨越分子、结构和表型尺度进行端到端的模拟。
Key Figures
| Figure | Description & Takeaway |
|---|---|
| Fig 1 | FM 及其应用概览: 展示了从细胞群体 A 到 B 的速度场映射，以及在蛋白质和分子建模中的生成策略。 |
| Fig 2 | 发展时间线: 描绘了从 2015 年正则化流起步，到 2022 年 FM 模型提出，再到 2024-2025 年在生物信息领域爆发式增长的过程。 |
| Fig 3 | 应用分类法: 将 FM 应用分为分子建模（基础）、单/多细胞建模（中间）和虚拟细胞建模（最高层）三个层次。 |
4. Critical Analysis (For Grants/Projects)
[!success] Innovation 1. Conceptual: 将复杂的生物过程建模为高维概率分布间的最优传输路径，提供了统一的数学框架。 2. Technical: 实现了“无模拟”训练，显著降低了计算成本；通过引入离散流匹配解决了生物序列（DNA/RNA/蛋白质）的生成难题。
[!failure] Limitations & Critiques - 模式崩溃（Mode Collapse）: 在特定路径选择下（如修正流），FM 仍可能面临稳定性挑战。 - 数据稀疏性: 对于极高维且稀疏的生物数据集，FM 的收敛性及表达能力仍需进一步理论验证。 - 端点不稳定性: 向量场在时间端点附近可能存在梯度方差不稳定的问题。
[!tip] Relevance to My Research : - Method to adapt: 借鉴 CellFlow 的向量场学习方法，用于单细胞蛋白质组学轨迹推断。 - Idea to steal: 利用最优传输路径（Optimal-transport paths）来减少生物样本模拟过程中的采样步数，提升实时分析效率。
5. Manuscript Snippets
- “Flow matching is a powerful and principled, data-driven framework for efficiently learning a mapping between arbitrary pairs of high-dimensional data distributions…” (描述 FM 的核心优势)
- “The rapid emergence of FM as a unifying paradigm for generative modelling marks a pivotal moment in the computational life sciences.” (强调领域地位)
6. References
- Related Papers:
- [[Lipman et al., 2023]] (Flow matching for generative modeling)
- [[Tong et al., 2024]] (Improving and generalizing flow-based generative models with minibatch optimal transport)
- Cited By:
- (该综述发表较新，预计将成为 2026 年后生成式生物 AI 的重要引文)