● 利用因果AI将单细胞数据转化为可解释的机制，降低早期药物发现的风险

TwinCell是DeepLife开发的大型因果细胞模型（Large Causal Cell Model,LCCM），通过整合单细胞多组学数据、细胞类型特异性的相互作用网络以及因果人工智能技术，构建具有生物学可解释性的虚拟细胞。

通过整合单细胞多组学数据、细胞类型特异性的分子互作网络以及因果AI，TwinCell创建了具有可解释性的细胞数字孪生，帮助研究人员从细胞分辨率理解疾病相关生物过程，并探索潜在治疗机会。

独特优势

TwinCell建立在经过统一整理的单细胞多组学数据基础之上，包含10亿个数据点。

通过整合来自公共及专有来源的单细胞数据资源，TwinCell能够在细胞类型分辨率下解析疾病相关细胞状态，为因果模型构建和生物学发现提供数据基础。

疾病发生往往具有明显的细胞类型特异性。

TwinCell利用细胞类型特异性的分子互作网络，在复杂的生物网络中识别与疾病状态相关的调控关系。

通过过滤全局网络中的复杂信息，TwinCell帮助研究人员：

TwinCell结合因果人工智能与单细胞多组学信息，建立了可解释的虚拟细胞模型，通过回溯推理对因果目标进行排序。通过将单细胞嵌入与多组学网络相结合，TwinCell 确保预测结果遵循生物学上合理的通路，从而产生既具有可操作性又具有机制可解释性的靶点。

我们的虚拟细胞可在计算机模拟中测试药物或基因扰动，在发现新靶点和识别药物重定位机会方面优于传统方法。

利用因果推断而非相关性，发现能够逆转疾病状态的干预点。
靶点根据预测的影响程度进行排序，并以生物学原理为依据，旨在揭示现有研究和传统筛选方法所遗漏的机会。

TwinCell支持对您的药物或生物学靶点的进行优先级排序、验证和拓展适应症。

适应症按网络接近程度排序，通过机制通路进行追踪，并在细胞分辨率下进行验证，从而找出您的资产最有可能成功并实现规模化应用的领域。